有什么不一样
市面上开源翻译模型不少，Meta 有 NLLB，Google 有 M2M-100，但 Hy-MT2 有几个点让我觉得不太一样。
首先是价格档位拉得很开。三个版本：
- Hy-MT2-1.8B — 18亿参数，轻量级，边缘设备能用
- Hy-MT2-7B — 70亿参数，精度更好，复杂翻译任务的主力
- Hy-MT2-30B-A3B — 300亿参数的 MoE 架构，但每个 token 只激活30亿参数
MoE 用在翻译模型上不算常见。你得到的是大模型的质量，但推理成本接近小模型，这个取舍挺聪明的。
33种语言，覆盖面挺全
主流语种都有，还照顾了不少小语种：
中文、英语、法语、西语、日语、韩语、俄语、阿拉伯语、泰语、意大利语、德语、越南语、印尼语、印地语、藏语、蒙古语、维吾尔语、粤语……
从欧洲到东南亚，再到中国周边语言，覆盖面算扎实。尤其是那些低资源语言，估计是腾讯自己的业务场景推着他们做的。
七种翻译模式，有几个真有用
常规翻译模型基本就是"你输入，我输出"。Hy-MT2 搞了七种模式：
- 基础翻译 — 就是常规翻译。
- 术语翻译 — 你可以自己指定术语表。比如规定"AI 一律翻译成人工智能"，模型会照着来。
- 风格翻译 — 正式、文学、口语化，你说了算。
- 个性化翻译 — 给模型一些偏好指令，比如"用简洁的措辞"。
- 定界符保留 — 保留原文里的特定符号格式。
- 结构化数据翻译 — JSON、YAML、XML 这类结构，只翻译人眼看的文本，结构不动。
- 上下文翻译 — 提供背景信息帮模型消歧。
第七条我觉得最实用。翻译"bank"的时候，告诉模型上下文是"finance"还是"river"，出来的是两个完全不同的词。这个在真实场景里太常见了。
跑起来难不难
模型在 Hugging Face 上都挂着，搜 tencent/Hy-MT2-1.8B 或者 tencent/Hy-MT2-7B 就行。需要 transformers 5.6.0+。
硬件门槛不高：
- 1.8B 版本大概 4GB 显存就够了
- 7B 版本大概 16GB 显存
- 30B MoE 版本大概 24GB 显存
社区里也有人封装了 Gradio 界面，搜 Tencent-HY-MT2-Pinokio 能找到。装好打开浏览器就能用，省事。
我的看法
如果只是偶尔翻几句话，ChatGPT 或者 Deepl 完全够，没必要折腾这些。
但如果你有批量翻译的需求，或者需要控制术语一致性，又或者要处理结构化数据里的多语言内容，Hy-MT2 值得认真考虑。开源的另一个好处是可以本地部署，数据不出网，隐私方面踏实很多。
推荐从 7B 版本开始试——在质量和资源消耗之间有个不错的平衡。如果你的显卡够好，30B MoE 版本的质量确实高了一截。反正从 HuggingFace 下载试又不花钱，试试看又不亏。