Hunyuan-MT-7B

2025 年 9 月 1 日，腾讯混元团队正式开源了 Hunyuan-MT-7B 翻译模型及其融合版本 Hunyuan-MT-Chimera-7B。在 ACL WMT2025 国际机器翻译大赛中，该系列模型在 31 个语种项目中斩获 30 项第一名，展现了强大的多语种翻译能力。它不仅支持 33 种主流语言之间互译，还特别支持包括藏语、维吾尔语、哈萨克语、蒙古语等在内的 中国少数民族语言与汉语互译，在语言覆盖度上极具突破性。

模型规格

• 参数规模：Hunyuan-MT-7B 约有 70 亿参数，在保持较强性能的同时兼顾了推理速度与部署成本。
• 融合模型：Chimera-7B 是业内首个开源的翻译集成模型，能够将多个翻译系统结果融合，生成更加优质的译文。

上下文能力

尽管官方未明确披露上下文长度，但作为混元模型家族的一部分，Hunyuan 系列具备 原生支持超长上下文（最长可达 256K tokens） 的能力。这意味着在长文本翻译任务中，它有潜力展现稳定的性能表现。

训练流程与技术亮点

Hunyuan-MT-7B 的研发团队构建了一整套五阶段训练流程，保证了模型的翻译质量与适用性。

1. 通用预训练 使用 1.3 万亿 tokens，覆盖 112 种语言与方言。数据通过多维度过滤系统筛选，并打上学科、行业、主题标签，保证多样性和高质量。
2. 翻译导向预训练 混合单语与平行语料，通过比例调控与灾难性遗忘缓解策略，保证翻译专用能力与通用能力的平衡。
3. 监督微调（SFT） 阶段一：使用约 300 万对平行语料，包括公开数据、人校对语料与合成语料。 阶段二：使用约 26.8 万对高质量语料，经过大模型筛选与人工审核，进一步提升准确性。
4. 强化学习（RL） 结合 XComet-XXL 打分、术语匹配、重复惩罚等奖励信号，提升译文的忠实度与流畅度。
5. 弱到强融合强化学习 在推理阶段同时输入多个译文版本，模型生成“精炼译文”，在低资源语种上的翻译质量提升尤为显著。

性能评估

在自动评测指标 XCOMET-XXL 上，Hunyuan-MT-7B 的表现显著优于同类模型，尤其在中文与少数民族语互译方面取得了行业领先的分数。

在人类评测中，中英双向翻译的平均分数接近满分，远超 Google 翻译等传统系统，体现了其在语义准确性和可读性上的优势。

部署与效率

• 推理速度：7B 参数规模使其在保证性能的同时，能够以更低的资源消耗实现更快的推理。
• 量化优化：通过腾讯自研的 FP8 量化工具 AngelSlim，推理性能提升约 30%。
• 应用落地：该模型已应用于腾讯会议、企业微信、QQ 浏览器、翻译君等多个产品，验证了其在大规模应用场景下的稳定性和实用性。

总结与展望

Hunyuan-MT-7B 的开源标志着翻译大模型进入一个新的阶段。它具备以下几个显著特点：

• 以 70 亿参数规模实现高质量翻译，兼顾性能与部署成本；
• 覆盖主流语言和少数民族语言，在跨语种、低资源任务中表现突出；
• 通过完整的训练与优化流程，保证了模型的可扩展性和实用性；
• 已在实际应用场景中得到验证，具备商业落地潜力。