12月30日，腾讯混元宣布推出并开源翻译模型1.5版本，该系列包含两个模型：Tencent-HY-MT1.5-1.8B 和 Tencent-HY-MT1.5-7B。这两个模型均支持覆盖33种语言的双向互译，以及5种主要的民/方言翻译。除了常见的中文、英文、日语等，模型还支持捷克语、马拉地语、爱沙尼亚语、冰岛语等小语种的翻译。模型现已在腾讯混元平台正式上线，开发者也可以通过开源社区直接下载使用。

根据介绍，HY-MT1.5-1.8B主要面向手机等消费级设备场景。经过量化处理后，它能够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。在参数量极小的前提下，其翻译效果已超越大部分商用翻译API。该模型在效率和性价比方面同样表现突出：与主流商用翻译模型API相比，HY-MT1.5-1.8B的推理速度更快，处理约50个token的平均耗时仅为0.18秒，而其他类似模型普遍耗时约0.4秒。

HY-MT1.5-7B模型的效果相比前一版本有较大提升。它是在此前获得WMT25比赛30个语种翻译冠军模型基础上的升级版，重点提升了翻译准确率，并大幅减少了译文中出现夹带注释或语种混杂的情况，实用性进一步增强。

在实际应用场景中，用户可以同时部署混元翻译的1.8B和7B两个尺寸模型，从而实现端侧和云侧模型的协同工作，这有助于提升模型效果的一致性及系统稳定性。

在常用的中外互译和英外互译测试集（如Flores200、WMT25）以及民汉语言测试集中，Tencent-HY-MT1.5-1.8B全面超越了中等尺寸开源模型和主流商用翻译API，达到了如Gemini-3.0-Pro这类超大规模闭源模型约90分的水平。在WMT25和民汉翻译测试集上，其效果仅略微落后于Gemini-3.0-Pro，远超其他同类模型。

HY-MT1.5系列模型在翻译质量与响应效率之间实现了出色的平衡。具体而言，HY-MT1.5-1.8B模型在FLORES-200质量评估中取得了约78%的得分，同时平均响应时间仅为0.18秒，超越了主流商用翻译API，展现出明显的速度优势。凭借优化的模型设计与推理逻辑，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。针对各类应用场景，两个模型均实现了对术语库、长对话、带格式文本（例如网页）翻译的支持，适用范围更加全面。

首先是术语翻译能力。腾讯混元翻译模型1.5具备强大的术语库自定义功能，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过程中保持高度一致性与准确性。

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。

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

值得注意的是，腾讯混元翻译模型此前不仅在国际机器翻译比赛中拿下30个语种第一名，也在首次开源一周内便登上了Hugging Face模型趋势榜首位。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，为便于开发者使用，本次开源的模型已经在Github和Hugging Face等开源社区上线，Arm、高通、Intel、沐曦等多个平台均支持部署。