在机器翻译领域，传统的高性能模型往往面临两个核心难题。对于主流语言，闭源商业模型效果出众但调用成本高，模型参数量动辄百亿级别，需要高昂的算力支持，难以在手机等消费级设备上部署。另一方面，对于数据稀缺的低资源小语种，以及包含专业术语、文化特定表达的文本，模型翻译质量常常不佳，容易出现幻觉问题或语义偏差。这导致用户在日常和移动场景下，常常在高质量、高成本的云端服务与本地化、轻量化但效果不足的方案之间难以抉择。
基于此，腾讯混元团队近日正式开源了全新翻译模型 HY-MT1.5。 本次开源包含两个参数规模的版本：专为移动端设计的 Tencent-HY-MT1.5-1.8B 和面向高性能场景的 Tencent-HY-MT1.5-7B，支持 33 个语种的互译及 5 种中国少数民族语言/方言与汉语的互译， 除中、英、日等常见语种外，涵盖捷克语、冰岛语等多个小语种。
HY-MT1.5-1.8B：
经过量化后，该模型仅需约 1GB 内存即可在手机等端侧设备流畅运行，支持离线实时翻译。模型效率突出，处理 50 tokens 的平均耗时仅 0.18 秒，在 Flores200 等权威测试集上，其效果全面超越中等尺寸开源模型和主流商用 API，达到顶尖闭源模型的 90 分位水平。
HY-MT1.5-7B：
该模型是腾讯此前在 WMT25 国际翻译比赛中斩获 30 个语种冠军的升级版，重点提升了翻译准确率，并大幅减少了译文夹带无关注释或语种混杂的问题。
具体而言，HY-MT1.5 的创新性在于通过独创的技术方案，有效解决了「轻量化部署」与「高精度翻译」之间的矛盾。其采用了 「On-Policy Distillation（大尺寸模型蒸馏）」策略，即令效果更强的 7B 模型作为「教师」，在训练过程中实时引导参数规模为 1.8B 的「学生」模型，纠正其预测偏差，从而让小模型从错误中学习，而非死记硬背。这使得小参数模型获得了超越自身规模的翻译能力。
目前，「HY-MT1.5-1.8B：多语言翻译模型」已上线 OpenBayes 公共教程板块， 快来开启你的创作之旅吧！
教程链接：
Demo 运行
01
Demo 运行阶段
1.登录 OpenBayes.com，在「公共教程」页面，选择「HY-MT1.5-1.8B：多语言翻译模型」教程。
2.页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。
3.选择「NVIDIA GeForce RTX 5090」以及「PyTorch」镜像，按照需求选择「按量付费」或「包日/周/月」，点击「继续执行」。新用户使用下方邀请链接注册，可获得 4 小时 RTX 5090 + 5 小时 CPU 的免费时长！
小贝总专属邀请链接（直接复制到浏览器打开）：
4.等待分配资源，当状态变为「运行中」后，点击「打开工作空间」进入 Jupyter Workspace。
02
效果演示
1.页面跳转后，点击左侧 README 页面，进入后点击上方 Run（运行）。
2.待运行完成，即可点击右侧 API 地址跳转至 demo 页面
教程链接：
