12月30日，腾讯混元宣布推出并开源翻译模型1.5，共包含两个模型：Tencent-HY-MT1.5-1.8B 和 Tencent-HY-MT1.5-7B，两个模型均支持 33 个语种互译以及5种民汉/方言互译，除了中文、英语、日语等常见语种，也包含捷克语、马拉地语、爱沙尼亚语、冰岛语等小语种。模型已在腾讯混元官网上线，通过开源社区也可以直接下载使用。

HY-MT1.5-1.8B主要面向手机等消费级设备场景，经过量化，可支持端侧直接部署和离线实时翻译，仅需1GB内存即可流畅运行，并且在参数量极小的前提下，效果超过了大部分商用翻译API。模型在效率和性价比也表现突出，与主流商用翻译模型API对比，HY-MT1.5-1.8B 推理速度更快，处理50个tokens的平均耗时只有0.18秒，其他模型的时间在0.4秒左右。

HY-MT1.5-7B 模型效果相比前一版本有较大提升，是此前获得WMT25比赛30个语种翻译冠军模型的升级版，重点提升了翻译准确率，大幅减少了译文中夹带注释和语种混杂的情况，实用性进一步增强。

在部分用户实用场景下，混元翻译1.8B和7B两个尺寸模型同时使用，可以实现端侧和云侧模型的协同部署，提升模型的效果的一致性和稳定性。

在常用的中外互译和英外互译测试集Flores200、WMT25以及民汉语言的测试集中，Tencent-HY-MT1.5-1.8B 全面超越中等尺寸开源模型和主流商用翻译API，达到Gemini-3.0-Pro这种超大尺寸闭源模型的90分位水平。在WMT25和民汉翻译测试集上，其效果仅略微差于Gemini-3.0-Pro，远超其他模型。

HY-MT1.5系列模型在翻译质量与响应效率之间达到了出色的平衡。具体而言，HY-MT1.5-1.8B模型在FLORES-200质量评估中取得了约78%的分数，同时平均响应时间仅为0.18秒，超越主流商用翻译API，显示出明显的速度优势，凭借优化的模型设计和推理逻辑，其领先的效率使其高度适用于即时通讯、智能客服、移动翻译应用等高吞吐、实时翻译场景。

实用性是混元翻译模型长期追求的目标，针对各类场景，两个模型均实现了对术语库、长对话、带格式文本（例如网页）的翻译支持，更加全面。

首先是术语，腾讯混元翻译模型1.5具备强大的术语库自定义能力，用户可针对不同行业与专业场景（如医学、法律、金融、科技等）提前构建专属术语对照表，确保关键术语在翻译中保持高度一致与准确性。

这一功能有效弥补了小尺寸模型在处理专业领域文本时的词汇短板，使其在保障轻量化部署的同时，也能胜任高要求的行业翻译任务。用户可通过简单配置导入术语库，模型将在翻译过程中优先采纳用户定义的标准术语，从而提升专业文档、技术手册、合同文本等内容翻译的可靠性与权威性。

其次是上下文翻译。混元翻译模型具备先进的长文本与对话上下文理解能力，可基于前文语境持续优化后续翻译结果，显著提升长对话、多轮问答、连续段落等场景下的翻译连贯性与一致性。无论是会议记录、访谈内容、小说章节还是技术文档的长篇翻译，模型均能有效捕捉并保持上下文逻辑关系，避免出现指代不清、语义断裂或风格不统一的问题。该能力尤其适用于实时对话翻译、长篇文献翻译及多轮交互场景，助力用户在跨语言沟通与内容处理中获得更自然、准确的翻译体验。

第三是带格式翻译能力，通过精准的指令遵循能力，混元翻译模型得以保持翻译前后的格式信息不变，让翻译结果更加准确实用。

为了直观展示混元Tencent-HY-MT1.5-1.8B的翻译能力，下图展示了与苹果手机自带离线翻译的结果对比：

技术上，HY-MT1.5-1.8B能够用小尺寸实现大尺寸模型的效果，得益于On-Policy Distillation（大尺寸模型蒸馏）策略的引入，让 HY-MT1.5-7B 作为 Teacher，实时引导 1.8B 的 Student 模型，让其避免死记硬背标准答案，通过纠正在预测序列分布时的偏移，让小模型从错误中学习，切实提升能力。

腾讯混元翻译模型此前不仅在国际机器翻译比赛拿下30个第1名，也在首次开源一周内便登上了HuggingFace 模型趋势榜第一位。目前，混元翻译模型已经在腾讯内部多个业务场景落地应用，包括腾讯会议、企业微信、QQ浏览器、客服翻译等。此外，为了便于开发者使用，本次开源的模型已经在 Github 和 Huggingface 等开源社区上线，Arm、高通、Intel、沐曦等多个平台均支持部署。

（注：此文属于央广网登载的商业信息，文章内容不代表本网观点，仅供参考。）