Hy-MT2-7B

1. 多语言互译

Hy-MT2 支持 33 种语言互译。

中文、英语、日语、韩语、法语、德语、西班牙语这些常见语种都在支持范围内，也包含维吾尔语、藏语等语言。

它的训练重点就是翻译，不是通用模型顺手补上的一项能力。

2. 指令遵循

这一项很实用。

例如可以直接要求：

“翻译结果简洁精炼，每句不超过 15 个字。”

模型会尽量按照这个限制输出。

企业翻译里经常会碰到更细的要求，比如术语不能变、标点不能动、原格式要保留、某些字段不能翻。这类任务条件一多，通用模型很容易漏。

Hy-MT2 针对这些场景做了专门优化。腾讯也开源了 IFMTBench，用来评估翻译模型处理复杂指令的能力。

3. 专业领域翻译

Hy-MT2 对金融、政治、教育等领域做了优化。

在 DomainMTBench 中，7B 模型的 GEMBA 得分从 Hy-MT1.5 的 92.04 提升到 92.79。

专业翻译看重的不只是单句是否顺畅，术语稳定性和前后一致往往更关键。尤其是长文档、财报、行业资料这类内容，一旦术语反复变化，后期校对会很麻烦。

Hy-MT2 的定位正好针对这类需求。

4. 激进量化，端侧可跑

Hy-MT2 支持 FP16、8-bit、4-bit、2-bit，甚至 1.25-bit 量化。

1.8B 版本压缩后约 440MB，可以在手机芯片上本地推理。

这对离线翻译很实用。

没网也能跑，数据不用上传服务器，设备端应用也不必塞一个体积很大的通用模型。翻译这种任务边界比较清楚，小模型放到端侧更容易落地。

5. 相比 Hy-MT1.5 的进化

FLORES-200 测试中，Hy-MT2-7B 的 XCOMET-XXL 得分从上一代的 80.98 提升到 86.89。

WMT25 的三个指标也都超过 Hy-MT1.5。

句子自然度更好，长文本后半段更稳，术语和格式要求更少漏掉，复杂指令的执行也更完整。

这些变化单拿出来都不算夸张，但正是这类细节决定一个翻译模型能不能真正接进产品。

优势

Hy-MT2-7B 的优势比较集中。

翻译质量在同尺寸模型里有竞争力，FLORES-200 得分 86.89，达到 Gemini 3.1 Pro 的约 97.9%。

指令控制比较细，术语、格式、输出长度这些要求都能单独限制。

开源权重和腾讯云 API 两种方式都提供了，既可以自己部署，也可以直接调用。

量化版本多，7B 可以放在消费级高端 GPU 上跑，1.8B 还能继续往端侧压。

限制

它基本只做翻译。

如果需要聊天、写代码、搜索资料，Hy-MT2-7B 并不合适。

自行部署也有门槛，GPU 环境、推理框架、量化版本都需要自己处理。

中文之外的使用资料和工具生态也没有通用大模型那么丰富。

推荐人群

适合做跨境产品、本地化、专业文档翻译的开发者和团队。

也适合想替换现有商业翻译 API，或者需要本地部署、离线翻译的项目。

不推荐人群

只是偶尔翻几句话，对术语、格式和稳定性要求不高的人，没必要专门上 Hy-MT2-7B。

如果目标是找一个聊天、写作、代码、搜索都能做的通用助手，也不用考虑它。