2026年5月腾讯开源紧凑型AI翻译模型Hy-MT1.5-1.8B-1.25bit
2026年5月，腾讯正式开源了其紧凑型AI翻译模型Hy-MT1.5-1.8B-1.25bit。这个模型最引人注目的地方，在于它依托一项名为1.25比特量化的技术，实现了模型体积从3.3GB到440MB的大幅“瘦身”。麻雀虽小，五脏俱全，它支持33种语言和5种方言，共计1056个翻译方向，并且能在智能手机上完全离线运行。更令人印象深刻的是，其相关技术已累计斩获30项国际机器翻译大赛冠军，翻译质量足以比肩谷歌翻译等主流商用方案，甚至能与参数规模达百GB级别的超大模型一较高下。
离线翻译的长期痛点与行业矛盾
对于经常出境旅行，或者需要处理多语言离线文档的用户来说，离线翻译工具一直存在一个两难选择：精度和体积似乎总是难以兼得。要么，你得在手机里预留出数GB的宝贵存储空间来安装庞大的离线数据包；要么，就只能忍受翻译效果“一言难尽”的尴尬。腾讯此次开源的Hy-MT模型，可以说直接打破了这一困扰行业许久的矛盾。
当前的现实是，主流商用翻译服务高度依赖云端算力，一旦身处无网络环境，基本就宣告“瘫痪”。而此前已有的端侧离线翻译模型，普遍存在两个问题：为了保证翻译质量，模型体积往往动辄数GB，在存储空间有限的移动设备上难以普及；而为了压缩体积，又常常不得不牺牲精度，导致翻译误差率高、覆盖语种有限，根本无法满足日常使用需求。
这种端侧翻译的供需错位，也让研发小参数、高性能的AI模型成为了行业竞相追逐的方向。不少科技企业都在不断探索模型压缩技术的边界，核心目标只有一个：在体积和性能之间，找到那个最优的平衡点。
核心技术：1.25比特量化带来的突破
Hy-MT模型实现突破的核心优势，来自于腾讯自研的1.25比特量化技术。简单来说，这项技术通过对模型参数的极致压缩，将原本3.3GB的“大块头”，直接缩减成了一个仅440MB的“轻量级选手”——这个大小，和一张高清照片相差无几。相比行业此前通用的1.67比特量化方案，其体积进一步缩小了25%，推理速度提升了约10%，最关键的是，全程没有产生可感知的翻译质量损失。
性能表现：小体积实现大超越
那么，压缩得这么小，能力到底如何？答案是：相当能打。目前，该模型已经覆盖了33种语言及5种方言，其中包含了藏语、蒙语等稀缺小语种，总共支持1056个翻译方向。在权威的标准基准测试中，这个仅440MB的“小个子”，其翻译质量已经与谷歌翻译等头部商用服务、以及Qwen3-32B等百GB级超大模型持平。这标志着，小参数模型在特定任务上，已经实现了对大模型的性能赶超，其背后累计拿下的30项国际机器翻译大赛冠军，便是其实力的最好证明。
应用体验与行业影响
目前，腾讯已经放出了Android平台的演示APK。安装后，用户即可在手机上实现完全离线的跨屏翻译。它能直接识别手机内任意应用程序的文字内容并完成翻译，整个过程无需将任何数据上传至云端，既便捷又安全。
此次Hy-MT模型的开源，无疑为整个端侧AI行业提供了新的落地思路。对开发者而言，这类小体积、高性能的翻译模型，可以轻松集成到各类应用乃至智能硬件中。这意味着，不需要依赖昂贵的云端算力，就能为用户提供高质量的翻译服务，既显著降低了运营成本，也从根源上杜绝了用户翻译数据上传可能带来的隐私风险。
行业共识正在形成：未来，这类“小而强”的端侧AI模型，将逐步覆盖智能翻译笔、车载系统、智能手表等更多低算力硬件场景。其最终目标，是让用户即使在完全无网络的环境下，也能享受到高质量、即时可用的AI服务，从而进一步推动人工智能能力的普惠化，真正让技术融入生活的每一个角落。
