致力于打造更直观、全面、高效的大语言模型压缩工具包。

📣 GGUF   |    ✒️ AngelSlim 报告   |    📖 文档   |    🤗 AngelSlim   |    💬 微信

Hy-MT1.5-1.8B 翻译质量分数。来源：HY-MT1.5 技术报告

📣 最新动态

• [26/04/29] 我们发布了 Hy-MT1.5-1.8B-2bit（574MB） 和 Hy-MT1.5-1.8B-1.25bit（440MB），这是支持 33 种语言的端侧翻译模型，提供权重和 GGUF 两种格式。
• [26/02/09] 我们发布了 HY-1.8B-2Bit，这是一款 2 比特端侧大语言模型。
• [26/01/13] 我们发布了 v0.3 版本。我们支持 Eagle3 在全尺度 LLMs/VLMs/Audio 模型上的训练与部署。同时，我们发布了 Sherry，这是一种硬件高效的 1.25 比特量化算法 [论文] | [代码]

更多详细信息，请参考 [AngelSlim] 和 [HY-MT]

🌟 Hy-MT1.5-1.8B-2bit 核心特性

• 世界级翻译质量 Hy-MT1.5-1.8B-2bit 基于 Hy-MT1.5-1.8B 基础模型构建，该模型是腾讯混元团队通过整合面向机器翻译（MT）的预训练、有监督微调、策略蒸馏和强化学习的全流程多阶段训练 pipeline 开发的专业翻译模型。基础模型原生支持33种语言、5种方言/少数民族语言以及1056个翻译方向。尽管仅拥有 1.8B 参数，其综合性能全面超越了规模大得多的开源模型（如 Tower-Plus-72B、Qwen3-32B）和主流商业翻译 API（如 Microsoft Translator、豆包翻译）。详细信息请参考 HY-MT1.5 技术报告。

• 超紧凑 2-bit 量化 Hy-MT1.5-1.8B-2bit 采用业界领先的 Stretched Elastic Quantization (SEQ) 技术，将模型权重量化至 {-1.5, -0.5, 0.5, 1.5}，并结合量化感知蒸馏。这使得原本 3.3GB 的 FP16 模型压缩至仅574MB，同时保持近乎无损的翻译质量，甚至超越了数百 GB 规模的模型。量化细节详见 AngelSlim 技术报告。

• 端侧部署 该 2-bit 模型针对支持 Arm SME2 的移动设备（如 Apple M4、vivo x300）进行了优化，可在手机上实现快速、完全离线的翻译，无需互联网连接。您的数据不会离开设备，确保完全隐私。

📈 翻译基准测试

不同模型大小在 Flores-200 汉外互译基准上的性能对比：

不同模型大小在 Flores-200 汉外互译基准上的性能表现。

⚡ 速度演示

2-bit 模型在 SME2 和 Neon 内核上的速度对比：

2-bit 模型在 SME2 和 Neon 内核上的速度对比。

📱 应用演示

我们提供了一个即用型 Android 演示 APK，支持离线翻译。该应用具备后台取词模式，可在手机上的任何应用中运行——浏览邮件、网页或聊天消息时，无需切换应用即可获得即时翻译。无需网络，不收集数据，一次下载永久使用。

下载演示：

https://huggingface.co/AngelSlim/Hy-MT1.5-1.8B-1.25bit-GGUF/resolve/main/Hy-MT-demo.apk

翻译演示

演示设备：骁龙 865，8GB 内存。

后台取词模式

演示设备：骁龙 7+ Gen 2，16GB 内存。

📥 下载链接

• 2-bit 模型权重：https://huggingface.co/AngelSlim/Hy-MT1.5-1.8B-2bit
• 2-bit 模型 GGUF：https://huggingface.co/AngelSlim/Hy-MT1.5-1.8B-2bit-GGUF
• 1.25-bit 模型权重：https://huggingface.co/AngelSlim/Hy-MT1.5-1.8B-1.25bit
• 1.25-bit 模型 GGUF：https://huggingface.co/AngelSlim/Hy-MT1.5-1.8B-1.25bit-GGUF
• 演示应用：https://huggingface.co/AngelSlim/Hy-MT1.5-1.8B-1.25bit-GGUF/resolve/main/Hy-MT-demo.apk

📄 技术报告

• HY-MT1.5 技术报告：https://arxiv.org/abs/2512.24092
• AngelSlim 技术报告：https://arxiv.org/abs/2602.21233
• Sherry 论文：https://arxiv.org/abs/2601.07892

📝 许可证

本项目的代码根据 AngelSlim 许可证 开源。

🔗 引用

@article{angelslim2026,
  title={AngelSlim: A more accessible, comprehensive, and efficient toolkit for large model compression},
  author={Hunyuan AI Infra Team},
  journal={arXiv preprint arXiv:2602.21233},
  year={2026}
}

@misc{zheng2025hymt,
      title={HY-MT1.5 Technical Report}, 
      author={Mao Zheng and Zheng Li and Tao Chen and Mingyang Song and Di Wang},
      year={2025},
      eprint={2512.24092},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2512.24092}, 
}

💬 技术讨论

• AngelSlim 正在持续迭代，新功能即将发布。如果您有任何问题或建议，请在 GitHub Issues 上提交 issue，或加入我们的 微信讨论群。