Hy-MT2-1.8B

1. 支持 33 种语言互译

Hy-MT2-1.8B 支持 33 种语言互译，同时覆盖维吾尔语、藏语等民汉翻译能力。

主流语言基本都覆盖到，语种范围也不只集中在中英、英日这些常见组合。

对普通用户来说，可能用不到所有语种，但对于需要多语言产品或者特定地区翻译能力的开发者，这部分覆盖很实用。

2. 支持翻译指令

这一点比单纯提高几个评测分更有用。

翻译前可以直接告诉模型：

• 某个术语固定怎么翻
• 译文偏口语还是书面
• 哪些词保留原文
• 输出格式怎么处理
• 专业词汇采用什么习惯

模型会根据这些要求调整翻译结果。

比如一段产品文档里同时出现 “workspace”“deployment”“endpoint”，普通翻译很容易前后换词。你可以提前要求它把 workspace 固定翻成“工作区”、deployment 统一用“部署”、endpoint 保留英文。

这样出来的译文未必每句话都最漂亮，但术语至少不会一会儿一个叫法。

这类能力放在日常短句里不算特别显眼，到了技术文档、产品说明或商务材料里就很有用。很多翻译任务真正麻烦的，不是某一句完全翻错，而是术语不统一、风格跑偏，最后还得人工从头检查一遍。

腾讯也开源了 IFMTBench，用来测试模型的翻译指令遵循能力。

3. 440MB，可以直接做端侧翻译

Hy-MT2-1.8B 量化后的体积约 440MB。

这个大小已经进入比较实际的手机端部署范围，可以直接集成进 App，本地完成推理。

在苹果 A15 芯片上，它的推理速度相比上一代提升约 1.5 倍。

短文本翻译的等待时间不长，同时不依赖网络。对旅行、弱网或者完全离线的环境来说，这才是端侧模型和云端翻译最直接的区别。

需要注意的是，440MB 并不等于“完全没有代价”。

像 1.25-bit 这种极限量化方案虽然能继续压缩模型，但部分翻译任务会损失一些效果。模型越小，碰到复杂文本时越容易看到能力上限。

4. 相比上一代 Hy-MT1.5 的变化

在真实场景翻译测试集上，Hy-MT2-1.8B 的 GEMBA 分数从 88.82 提升到 91.08。

单独看这个分数不太直观，可以理解成新版在翻译准确度和自然度上又往前走了一步，生硬的机器翻译痕迹有所减少。

体积变化更明显。

上一代部署体积在 1GB 以上，Hy-MT2-1.8B 量化后压到了约 440MB。

如果是在服务器上运行，几百 MB 的差距不算什么；放到手机 App 里，包体、存储占用和设备适配都会受到影响。

这一代真正值得看的，不只是分数提高，而是端侧部署门槛明显降了。

优势

• 量化后约 440MB，适合端侧部署
• 模型开源，本地运行没有调用费用
• 支持完全离线翻译
• 支持 33 种语言互译和部分民汉、方言翻译
• 可以根据指令控制术语、风格和格式
• 相比上一代，翻译评分提高，模型体积也进一步缩小
• 不需要依赖云端服务，弱网环境下照样能用

限制

• 1.8B 终究是轻量模型，复杂专业文本仍然会碰到能力上限
• 医学、法律、科研等低容错场景，不适合只依赖 1.8B 版本直接交付
• 1.25-bit 等极限量化方式会带来一定效果损失
• 它是翻译专用模型，不适合拿来承担聊天、写作、知识问答等通用任务
• 如果只追求最高翻译质量，30B-A3B 或更大的通用模型依然更合适

推荐人群

• 做翻译 App，需要端侧离线能力的开发者
• 经常出差、旅行，会遇到弱网或无网环境的人
• 想自己部署翻译服务的个人开发者
• 不想长期承担 API 调用费用的项目
• 对文本本地处理有要求的用户

不推荐人群

• 需要处理复杂法律合同、医学材料等高风险内容的人
• 对翻译错误几乎零容忍的专业场景
• 单纯追求最高翻译质量，不在意模型体积和部署成本的人
• 想用一个模型同时完成聊天、写作、问答和翻译的人