2026 年 10 月 10 日——腾讯混元于 2026 年 5 月 21 日正式开源新一代多语言翻译模型族 Hy-MT2，包含 1.8B、7B、30B-A3B（MoE）三个规格，均支持 33 种语言互译及 5 种中国少数民族语言与方言；其中轻量级 1.8B 模型经 AngelSlim 1.25-bit 极端量化后仅约 440MB，官方称其整体表现优于微软翻译、豆包翻译等主流商业翻译 API。

Hy-MT2 系列已在 Hugging Face 开放下载（tencent/hy-mt2 模型合集），提供 FP16、8-bit、4-bit、2-bit、1.25-bit 五种精度版本。基于该模型的「腾讯Hy翻译」小程序于开源同日上线，iOS 与安卓 APP 已于 9 月 24 日发布，同步支持小程序、浏览器插件与 PC 端。

模型规格与技术路线

型号 架构 定位
Hy-MT2-1.8B 稠密 端侧轻量版，最低 440MB 存储，支持本地离线推理
Hy-MT2-7B 稠密 主力尺寸，对标大参数通用模型的翻译效果
Hy-MT2-30B-A3B 混合专家（MoE） 旗舰尺寸，激活参数约 3B，平衡效果与推理成本

据官方技术文章，Hy-MT2 从 Hy 系列预训练模型出发，使用约 1T tokens 的多语言翻译相关数据完成面向机器翻译的中期训练，随后经过以语系为中心的后训练流程，包含参考引导在线蒸馏（RG-OPD）、分语系强化学习与跨语系在线蒸馏三个阶段，并以混元 Hy3-preview 作为教师模型迁移翻译能力。与上一代 Hy-MT1.5 相比，该系列重点补强专业领域翻译、真实业务场景翻译与翻译指令遵循三方面能力。

官方评测数据

官方技术文章显示，在通用翻译基准 FLORES-200 的全部翻译方向平均成绩上，Hy-MT2-1.8B、7B、30B-A3B 的 XCOMET-XXL 得分分别为 79.77、86.89、87.47，相当于 Gemini 3.1 Pro 思考模式的 89.9%、97.9% 和 98.6%；7B 与 30B-A3B 的表现优于 DeepSeek-V4-Pro、Kimi K2.6、Qwen3.5-397B-A17B 等参数量数十倍的开源通用模型。在 WMT25 基准上，30B-A3B 取得 84.34 的 GEMBA 得分，为全部对比系统中的最佳成绩，超过 Gemini 3.1 Pro 与 GPT-5.5 的思考模式版本。

针对轻量版，官方称 Hy-MT2-1.8B 在 WMT25 的三项指标上均超越微软翻译与豆包翻译两款商业系统，整体表现优于 Microsoft Translator、Doubao Translator 等主流商业翻译 API。

基准 Hy-MT2-1.8B Hy-MT2-7B Hy-MT2-30B-A3B 口径说明
FLORES-200（XCOMET-XXL） 79.77 86.89 87.47 全部翻译方向平均，官方数据
WMT25（GEMBA） - 82.24 84.34 30B-A3B 为全部对比系统最佳
IFMTBench（总分） - 83.14 84.69 中小尺寸模型组最佳

指令遵循方面，官方同步发布了翻译指令遵循评测基准 IFMTBench，包含 7,344 个人工对齐样本（单约束 4,506 个、多约束 2,838 个），覆盖中、英、日、德、法、西、韩七种语言的术语、格式与风格约束。Hy-MT2-30B-A3B 以总分 84.69 位列中小尺寸模型组第一，接近 Kimi K2.6、GPT-5.5 与 Gemini 3.1 Pro 等超大型通用模型的成绩。

可控翻译与端侧部署

与传统机器翻译模型相比，Hy-MT2 强调可控翻译能力。官方技术文章给出的案例包括：术语一致性保持、指定译文风格（如将软件更新日志改写为文言文）、保留分隔符与格式标记、按指定模板输出，以及 SRT 字幕翻译中保留敬语等文化元素。官方表示，这些能力来自翻译指令遵循数据的定向优化。

端侧部署方面，1.25-bit 版本基于混元自研的 Sherry 稀疏三值量化：权重固化至 -1、0、+1 三值空间，引入 3:4 稀疏模式，将每 4 个权重打包进 5 比特，最终模型体积压缩至约 440MB；在苹果 A15 芯片上，其推理速度较 Hy-MT1.5 的 4-bit 版本提升 1.5 倍。官方称该版本可在苹果、高通、联发科等手机芯片上完成本地推理，支持完全离线翻译。

产品落地

基于 Hy-MT2 打造的「腾讯Hy翻译」于 5 月 21 日随模型同步上线小程序版；9 月 24 日，腾讯混元宣布 APP 正式上线，提供语音翻译、拍照翻译与离线翻译，覆盖 33 种语言互译及 5 种中国少数民族语言与方言。据财联社报道，该产品主打出境游等使用场景。