深夜的机场到达口，产品经理阿宁把手机切到离线包，对着屏幕说了一句捷克语。不到0.2秒，耳机里传来自然的中文；她又切到一段粤语对话，语气、用词都被稳稳拿捏。

这不是科幻片，而是腾讯混元翻译模型1.5的日常。它把“快、准、稳”装进了1GB内存的小盒子里，顺手还把33种语言和5种民汉/方言装了进去，连捷克语、马拉地语、爱沙尼亚语、冰岛语这类小语种也没落下。

端侧轻骑兵：HY-MT1.5-1.8B，面向手机等消费级设备，量化后仅需约1GB内存即可离线实时翻译；处理50个tokens的平均耗时约0.18秒，比主流商用翻译API常见的约0.4秒更快一步。云端大拿：HY-MT1.5-7B，脱胎于在WMT25拿下30个语种冠军的版本，这次重点修“准”，显著减少译文里夹带注释与语种混杂。端云合体：在不少真实场景里，1.8B负责快与稳，7B负责准与深，一前一后协同，体验更一致、更可靠。

术语库自定义：医疗、法律、金融、科技等行业可导入专属术语表，关键名词不再“各说各话”。上下文理解：长对话、多轮问答、长文翻译能“记住前文”，指代清晰、风格统一。带格式翻译：网页、文档、Markdown等排版信息尽量原封不动地保留，省去二次排版。实测片段：媒体拿医学术语和粤语对话做小测，反馈是“反应快、语气准”，日常可用性高。

训练“心法”：引入On-Policy Distillation（策略蒸馏），7B当老师，1.8B当学生，在“纠错式学习”中提升小模型能力，避免死记硬背。成绩说话：在FLORES-200、WMT25及民汉语言测试集中，1.8B不仅优于不少中等尺寸开源模型与主流商用API，整体还达到了Qwen3-235B-A22B等大尺寸闭源模型的约90分位水平；在FLORES-200质量评估中约78%，同时维持约0.18秒的响应速度。

即刻体验：两款模型已在腾讯混元官网上线，GitHub与Hugging Face可直接下载；适配Arm、高通、Intel、沐曦等平台。模型获取：官网：https://hunyuan.tencent.com/modelSquare/home/list；GitHub：https://github.com/Tencent-Hunyuan/HY-MT；Hugging Face：https://huggingface.co/collections/tencent/hy-mt15。落地足迹：已在腾讯会议、企业微信、QQ浏览器、客服翻译等业务中打磨，意味着它不只“跑分强”，更“干活稳”。