Hunyuan-MT-7B 现在在 SiliconFlow 上：支持 33 种语言的高质量翻译模型

总结： Hunyuan-MT-7B现已登陆SiliconFlow——腾讯的7B参数模型，重新定义了机器翻译。在WMT25上表现出色（30/31项任务中居第一），Hunyuan-MT-7B超越了谷歌翻译和其他顶尖翻译模型，涵盖33种语言，从中文、英文、日文到捷克语、马拉地语、爱沙尼亚语和冰岛语。立即通过我们的即插即用API体验——高端质量，免费使用！

SiliconFlow很高兴将Hunyuan-MT-7B引入我们的模型目录——腾讯的首个开源多语言翻译模型，支持33种主要语言之间的双向翻译。尽管是7B参数模型，Hunyuan-MT表现出色，显著超越许多翻译专用模型，甚至是最先进的大模型。

通过SiliconFlow的Hunyuan-MT-7B API，您可以期望：

• 免费使用： Hunyuan-MT-7B现已在SiliconFlow上免费提供使用。

• 全面的语言支持： 33种语言之间的双向翻译。

无论您是在本地化数字内容、推动跨境交流，还是驱动多语言企业解决方案，SiliconFlow的API通过可靠的质量将Hunyuan-MT-7B引入您的工作流程。

为什么它是机器翻译领域的变革者

在ACL WMT2025大会上，Hunyuan-MT-7B取得了重大成就——在31种语言赛道中30种中名列前茅，涵盖了高资源语言如中文、英文和日文，以及低资源语言如捷克语、马拉地语、爱沙尼亚语和冰岛语。

这个成就的显著之处在于WMT25设定了严格的条件：模型必须是开源的，并且只能用公共数据进行训练。尽管有这些限制，Hunyuan-MT-7B仍然超越了许多更大的模型。

FLORES-200基准测试结果确认了这一优势，Hunyuan-MT-7B超越了同级的7B–9B模型，甚至对抗更大的参数模型：

• 英语⇔多语言：达到91.1% (EN→XX)和90.2% (XX→EN)，领先于翻译专用模型如Tower-Plus-9B (78.8% / 87.0%)和谷歌翻译(76.4% / 77.6%)，在英语任务中体现出惯用的流畅性。

• 中文⇔多语言：得分为87.6% (ZH→XX)和85.3% (XX→ZH)，在双向翻译中表现出色。

• WMT24pp 领导地位：以85.8%超越Llama-4-Scout-17B-16E-Instruct (75.5%)，证明了一个7B模型可以媲美更大的模型。

• 中文少数民族语言支持：在少数民族⇔普通话翻译任务中得分60.8%，明显领先于其他模型，强调了在少数和低资源翻译中的领先地位。

*注意：“XX”表示FLORES-200数据集中的其他语言。翻译对被分组为英语⇔XX，中文⇔XX，和XX⇔XX。

其成功背后训练范式

这种全面的领导地位是腾讯Hunyuan训练框架的成果，专为多语言翻译设计：

• 预训练 → CPT（持续预训练）→ 监督微调 → 翻译RL → 综合RL

这个渐进过程完善了模型的一般知识，使其适应翻译任务，并通过强化学习调整输出。

SiliconFlow模型广场上的真实表现

在这些演示中，您可以看到Hunyuan-MT-7B在SiliconFlow上运行，顺畅地在英语和西班牙语之间翻译。响应快速，翻译自然准确。

Hunyuan-MT-7B甚至可以轻松处理英语俚语，准确翻译“OG”为“más experimentado”（“最有经验的”）。

除了英语–西班牙语，您还可以在下表中探索Hunyuan-MT-7B支持的其他语言，非常适合全球交流、跨境业务和多语言应用。

立即开始使用

1. 1. 探索： 在SiliconFlow模型广场中尝试Hunyuan-MT-7B。

2. 2. 集成： 使用我们的OpenAI兼容API。在SiliconFlow API文档中探索完整的API规范。

import requestsurl = "https://api.siliconflow.com/v1/chat/completions"payload = {    "thinking_budget": 4096,    "top_p": 0.7,    "model": "tencent/Hunyuan-MT-7B",    "messages": [        {            "content": "I have 4 apples. I give 2 to my friend. How many apples do we have now?",            "role": "user"        }    ]}headers = {    "Authorization": "Bearer <token>",    "Content-Type": "application/json"}response = requests.post(url, json=payload, headers=headers)print(response.json())

import requestsurl = "https://api.siliconflow.com/v1/chat/completions"payload = {    "thinking_budget": 4096,    "top_p": 0.7,    "model": "tencent/Hunyuan-MT-7B",    "messages": [        {            "content": "I have 4 apples. I give 2 to my friend. How many apples do we have now?",            "role": "user"        }    ]}headers = {    "Authorization": "Bearer <token>",    "Content-Type": "application/json"}response = requests.post(url, json=payload, headers=headers)print(response.json())

import requestsurl = "https://api.siliconflow.com/v1/chat/completions"payload = {    "thinking_budget": 4096,    "top_p": 0.7,    "model": "tencent/Hunyuan-MT-7B",    "messages": [        {            "content": "I have 4 apples. I give 2 to my friend. How many apples do we have now?",            "role": "user"        }    ]}headers = {    "Authorization": "Bearer <token>",    "Content-Type": "application/json"}response = requests.post(url, json=payload, headers=headers)print(response.json())

立即在SiliconFlow上开始使用Hunyuan-MT-7B进行构建——强大、准确且免费使用！

商务或销售咨询 →

立即加入我们的Discord社区 →

在X上关注我们获取最新更新 →

探索SiliconFlow上所有可用模型 →