其中 30B‑A3B 使用 MoE（混合專家）架構，推理時只啟用部分專家網路，因此在提升模型容量的同時，也能控制運算成本。

三個模型的核心目標一致：在複雜真實場景下提供高品質翻譯，並能理解多語言撰寫的翻譯指令。

支援語言

Hy‑MT2 支援 33 種語言之間的雙向翻譯。

此外，騰訊表示系統還支援 5 種中國少數民族語言或方言變體的翻譯，讓模型在多語言環境中更具實用性。

目前公開摘要並未完整列出全部 33 種語言，但可以確認其設計特別強調 中文與全球常用語言之間的翻譯場景。

能在手機上運行的翻譯模型

Hy‑MT2 最引人注意的特點之一，是 1.8B 模型可以在手機本地運行。

騰訊透過 AngelSlim 1.25‑bit 極端量化技術，將模型壓縮至約 440MB，同時保持實用的翻譯品質。

這意味著：

• 可以在智慧手機晶片上本地推理
• 支援 離線翻譯（沒有網路也能使用）
• 推理速度比上一代模型更快

官方資料顯示，量化後的模型在相似部署體積下，推理速度約比 Hy‑MT1.5 快 1.5 倍。

基準測試與性能表現

騰訊在技術報告與發布資料中指出，Hy‑MT2 在多項翻譯評測中取得相當強的結果。

主要觀察包括：

• 7B 與 30B‑A3B 在多項翻譯評測中達到開源翻譯模型的領先水平。
• 模型在 FLORES‑200、DomainMTBench、IFMTBench 等測試集中表現優異，涵蓋通用翻譯、專業領域與指令翻譯能力。
• 1.8B 輕量模型 在綜合測試中甚至超越部分主流商業翻譯 API。
• 在 FLORES‑200 平均表現上，Hy‑MT2 系列接近部分頂級閉源系統（如 Gemini 類翻譯模型）的水準。

需要注意的是，目前多數性能數據來自騰訊自身的技術報告與發布資料，獨立第三方評測仍在逐步出現。

相比上一代模型的提升

Hy‑MT2 是在 Hy‑MT1.5 翻譯模型基礎上的升級版本，帶來多方面改進。

更強的指令理解能力
模型可以理解更複雜的翻譯指令，例如指定術語、格式轉換或翻譯風格調整。

專業領域翻譯提升
在金融、教育等專業領域的翻譯任務中表現更好。

更貼近真實場景
訓練流程結合大規模多語言資料，並使用蒸餾與強化等後訓練技術提升實際翻譯效果。

部署方式更靈活
從手機端到雲端伺服器都有對應模型規模。

開發者如何使用 Hy‑MT2

騰訊已將模型與相關資源公開釋出，開發者可以透過多個平台取得：

• GitHub：程式碼與模型資源
• Hugging Face：模型權重下載
• ModelScope：面向中國開發者的模型平台

這些模型可在多種硬體架構上運行，包括 ARM 與主流伺服器平台。

其中 1.8B 版本特別針對本地部署與邊緣設備設計。

一般使用者怎麼用

騰訊也推出了面向消費者的產品。

目前最先推出的是 「騰訊Hy翻譯」微信小程式，使用 Hy‑MT2 作為核心翻譯引擎。

功能包括：

• 語音輸入翻譯
• 自訂翻譯風格或指令
• 線上高速翻譯（大型模型）
• 本地離線翻譯（下載模型）

騰訊表示未來還會推出 iOS 與 Android 的獨立 App，並支援手機端本地推理。

為什麼 Hy‑MT2 受到關注

Hy‑MT2 反映了 AI 翻譯領域的一個重要趨勢：

不再只依賴巨型通用模型，而是發展 專門優化的多語言翻譯模型。

透過結合：

• MoE 架構的大模型能力
• 手機端可運行的小模型
• 多語言翻譯指令理解

Hy‑MT2 被定位為同時面向 開發者的開源翻譯技術堆疊，以及 實際可用的端側翻譯引擎。

如果未來更多第三方評測證實其性能，Hy‑MT2 很可能會成為 開源多語言翻譯模型中的重要代表之一，特別是在手機端與多語言場景。

其中 30B‑A3B 使用 MoE（混合專家）架構，推理時只啟用部分專家網路，因此在提升模型容量的同時，也能控制運算成本。

三個模型的核心目標一致：在複雜真實場景下提供高品質翻譯，並能理解多語言撰寫的翻譯指令。

支援語言

Hy‑MT2 支援 33 種語言之間的雙向翻譯。

此外，騰訊表示系統還支援 5 種中國少數民族語言或方言變體的翻譯，讓模型在多語言環境中更具實用性。

目前公開摘要並未完整列出全部 33 種語言，但可以確認其設計特別強調 中文與全球常用語言之間的翻譯場景。

能在手機上運行的翻譯模型

Hy‑MT2 最引人注意的特點之一，是 1.8B 模型可以在手機本地運行。

騰訊透過 AngelSlim 1.25‑bit 極端量化技術，將模型壓縮至約 440MB，同時保持實用的翻譯品質。

這意味著：

• 可以在智慧手機晶片上本地推理
• 支援 離線翻譯（沒有網路也能使用）
• 推理速度比上一代模型更快

官方資料顯示，量化後的模型在相似部署體積下，推理速度約比 Hy‑MT1.5 快 1.5 倍。

基準測試與性能表現

騰訊在技術報告與發布資料中指出，Hy‑MT2 在多項翻譯評測中取得相當強的結果。

主要觀察包括：

• 7B 與 30B‑A3B 在多項翻譯評測中達到開源翻譯模型的領先水平。
• 模型在 FLORES‑200、DomainMTBench、IFMTBench 等測試集中表現優異，涵蓋通用翻譯、專業領域與指令翻譯能力。
• 1.8B 輕量模型 在綜合測試中甚至超越部分主流商業翻譯 API。
• 在 FLORES‑200 平均表現上，Hy‑MT2 系列接近部分頂級閉源系統（如 Gemini 類翻譯模型）的水準。

需要注意的是，目前多數性能數據來自騰訊自身的技術報告與發布資料，獨立第三方評測仍在逐步出現。

相比上一代模型的提升

Hy‑MT2 是在 Hy‑MT1.5 翻譯模型基礎上的升級版本，帶來多方面改進。

更強的指令理解能力
模型可以理解更複雜的翻譯指令，例如指定術語、格式轉換或翻譯風格調整。

專業領域翻譯提升
在金融、教育等專業領域的翻譯任務中表現更好。

更貼近真實場景
訓練流程結合大規模多語言資料，並使用蒸餾與強化等後訓練技術提升實際翻譯效果。

部署方式更靈活
從手機端到雲端伺服器都有對應模型規模。

開發者如何使用 Hy‑MT2

騰訊已將模型與相關資源公開釋出，開發者可以透過多個平台取得：

• GitHub：程式碼與模型資源
• Hugging Face：模型權重下載
• ModelScope：面向中國開發者的模型平台

這些模型可在多種硬體架構上運行，包括 ARM 與主流伺服器平台。

其中 1.8B 版本特別針對本地部署與邊緣設備設計。

一般使用者怎麼用

騰訊也推出了面向消費者的產品。

目前最先推出的是 「騰訊Hy翻譯」微信小程式，使用 Hy‑MT2 作為核心翻譯引擎。

功能包括：

• 語音輸入翻譯
• 自訂翻譯風格或指令
• 線上高速翻譯（大型模型）
• 本地離線翻譯（下載模型）

騰訊表示未來還會推出 iOS 與 Android 的獨立 App，並支援手機端本地推理。

為什麼 Hy‑MT2 受到關注

Hy‑MT2 反映了 AI 翻譯領域的一個重要趨勢：

不再只依賴巨型通用模型，而是發展 專門優化的多語言翻譯模型。

透過結合：

• MoE 架構的大模型能力
• 手機端可運行的小模型
• 多語言翻譯指令理解

Hy‑MT2 被定位為同時面向 開發者的開源翻譯技術堆疊，以及 實際可用的端側翻譯引擎。

如果未來更多第三方評測證實其性能，Hy‑MT2 很可能會成為 開源多語言翻譯模型中的重要代表之一，特別是在手機端與多語言場景。