Tencent の新たなオープンソース覇者 HY-MT1.5：ノート PC でも動作する 1.8B 翻訳モデル、クラウドを忘れさせるほどの高速性

Tencent 混元（Hunyuan）チームが、オープンソース翻訳モデル HY-MT1.5 を正式にリリースしました。今回のアップデートでは、極めて軽量な 1.8B モデルと強力な 7B モデルの2つのバージョンが登場。中でも 1.8B 版は、わずか 1GB のメモリ使用量と 0.18 秒の超低遅延で、「オフラインでの高品質翻訳」を現実にしました。この記事では、技術的な詳細、デプロイの利点、そして既存の商用翻訳 API にどのように挑戦しているかを深く掘り下げます。

翻訳モデルの軽量化革命：なぜ HY-MT1.5 に注目すべきなのか？

高品質な機械翻訳といえば、巨大なサーバー上で稼働する巨大なモデルを思い浮かべることが多いでしょう。精度を求めれば、クラウド API の遅延や潜在的なプライバシーリスクに耐えなければなりません。速度を求めれば、過去のオフラインモデルはしばしばめちゃくちゃな翻訳を出してきました。

しかし、Tencent 混元チームが発表したばかりの HY-MT1.5 は、この膠着状態を打破するように見えます。

これは単なる定期的なバージョンアップではありません。HY-MT1.5 には、1.8B と 7B の2つのバージョンが含まれています。これら2つのモデルは33言語の相互翻訳をサポートし、5つの民族や方言のバリエーションさえも網羅しています。最も驚くべきは 1.8B の小さなモデルで、リリースされるやいなや Hugging Face のトレンドランキングでトップに躍り出ました。なぜでしょうか？それは、高価な H100 グラフィックカードも、インターネット接続さえも必要とせず、自分のノート PC や Raspberry Pi のようなエッジデバイスで、商用ソフトウェアに匹敵する翻訳体験が得られることを証明したからです。

軽量級の奇跡：1.8B モデルのエッジコンピューティングの優位性

数字について話しましょう。ここの数字は本当に魅力的だからです。

HY-MT1.5-1.8B モデルのパラメータは 7B 版の4分の1未満ですが、その性能は大きく損なわれてはいません。公式の技術レポートによると、量子化処理後、このモデルはさまざまなエッジデバイスにデプロイできます。これは何を意味するのでしょうか？翻訳データがデバイスから出る必要がなく、プライバシーが完全に保証されることを意味します。

さらに驚くべきはそのリソース使用率です。必要なメモリ空間は約 1GB だけです。そうです、今のローエンドの携帯電話でも簡単に処理できるサイズです。速度面では、驚異的な爆発力を見せています。50トークンの処理にかかる時間はわずか 0.18 秒。この低遅延特性により、リアルタイム翻訳シナリオに最適な選択肢となります。リアルタイム字幕生成、越境 EC の即時カスタマーサービス、組み込みシステムの多言語インターフェースなど、このモデルは簡単に対応できます。

Hugging Face で、この小さな巨人の威力を実際に体験できます。クラウド API の遅延にうんざりしている開発者にとって、これは間違いなくエキサイティングな代替案です。

パフォーマンスの怪物：7B モデルと商用競合製品の対決

リソースにはそれほど敏感ではなく、究極の翻訳品質を追求するのであれば、HY-MT1.5-7B バージョンが用意されています。

このバージョンは、Tencent の WMT25 チャンピオンモデルのアップグレード版です。単にパラメータを積み上げるだけでなく、「解釈的翻訳」や「混合言語シナリオ」に特化して最適化されています。技術評価では、7B 版のパフォーマンスは多くの中規模モデルを凌駕し、特定の指標では Gemini 3.0 Pro の 90% の性能に匹敵することさえあります。

企業ユーザーにとって、これは強力なシグナルです。以前は外部 API を呼び出すために多額の費用がかかっていた翻訳レベルが、今ではオープンソースモデルを通じてローカルサーバー上で実現できるのです。これは、機密性の高いビジネス文書、技術マニュアル、ニュースコンテンツを扱う企業にとって、高品質とデータセキュリティを両立させるソリューションを提供します。

プロフェッショナル機能：単なる翻訳ではなく、言語の専門家

普通の翻訳モデルは、「業界用語がわからない」という問題によく直面します。例えば、技術記事で「Apple」を見て、「Apple Inc.（アップル社）」ではなく、果物の「りんご」と愚直に翻訳してしまうようなことです。HY-MT1.5 は、プロフェッショナルなシナリオ向けにいくつかのキラー機能を導入しました。

用語介入 (Terminology Intervention)

これは多くのプロの翻訳者が夢見る機能です。Prompt Template を通じて、モデルに特定の語彙を希望通りに翻訳させることができます。これは、ブランドの一貫性を保ったり、特定の業界標準に従ったりするために不可欠です。モデルを再トレーニングする必要はなく、入力時に「ねえ、この単語はこう訳して」と伝えるだけで、その通りにしてくれます。

文脈認識翻訳 (Contextual Translation)

言語には温度があり、環境に依存します。HY-MT1.5 は文脈翻訳をサポートしており、文を孤立して見るのではなく、前の情報を参照します。これは、小説、会話記録、長編レポートを翻訳する際に特に重要で、前後の文脈が合わない気まずい状況を効果的に回避できます。

フォーマット翻訳 (Formatted Translation)

開発者の皆さん、これは気に入るはずです。このモデルは、HTML や XML タグを保持するフォーマット翻訳をサポートしています。つまり、<sn> タグが付いたテキストを直接投げると、タグ内のコンテンツを翻訳しながら、タグ構造を完璧に保持してくれます。翻訳モデルによってめちゃくちゃにされたコードを修正するために複雑な正規表現を書く必要はもうありません。

開発者ガイド：素早く始めてデプロイする方法

Tencent は今回、開発者体験にも力を入れており、非常に充実したツールチェーンサポートを提供しています。GitHub で完全な技術ドキュメントとサンプルコードを見つけることができます。

主流フレームワークとのシームレスな統合

transformers の熱心なユーザーであろうと、vLLM の支持者であろうと、HY-MT1.5 はネイティブサポートを提供しています。

• Transformers: 数行の Python コードだけでモデルをロードして推論を開始できます。FP8 形式を使用したい場合は、ライブラリをアップグレードして設定を調整することを忘れないでください。
• vLLM & SGLang: 高スループットを追求する本番環境向けに、モデルは vLLM を介したデプロイをサポートしており、OpenAI 互換の API インターフェースさえ提供しています。つまり、既存の OpenAI クライアントコードをこのローカルモデルに直接切り替えることができ、移行コストはほぼゼロです。

量子化と圧縮

さらにハードルを下げるために、公式は AngelSlim という圧縮ツールもオープンソース化しました。すでに量子化された FP8 または INT4 バージョンのモデルを直接ダウンロードできます。これらの量子化バージョンは、パフォーマンスの大部分を維持しながら VRAM の要件を大幅に削減し、消費者向けグラフィックカードや CPU でも高速に動作するようにします。

よくある質問 (FAQ)

Q1：HY-MT1.5 はどの言語の相互翻訳をサポートしていますか？ このモデルは、中国語（簡体字/繁体字）、英語、日本語、韓国語、フランス語、スペイン語など、主要33言語の相互翻訳のサポートに重点を置いています。特に言及すべき点として、繁体字中国語（zh-Hant）の専門的なサポートがあり、台湾や香港のユーザーにとって非常に親切です。

Q2：1.8B モデルは本当に商用プロジェクトで使用できますか？ もちろんです。1.8B 版の利点は、その極めて高いコストパフォーマンスとプライバシーセキュリティにあります。その性能は同サイズのほとんどのモデルを上回っており、特定のシナリオでは商用翻訳 API よりも優れています。リアルタイムの応答が必要なチャットアプリ、ブラウザプラグイン、または内部ツールにとって理想的な選択肢です。

Q3：このモデルを実行するにはどのようなハードウェアが必要ですか？ 1.8B の量子化バージョンの場合、高価な GPU さえ必要なく、普通のノート PC で実行できます。7B モデルの全精度バージョンを実行したい場合は、適切な VRAM を備えた GPU を使用することをお勧めします。しかし、7B モデルの INT4 量子化バージョンであれば、主流の消費者向けグラフィックカード（RTX 3060/4060 など）でも簡単に処理できます。

Q4：特殊なフォーマット（HTML など）のテキスト翻訳はどう処理しますか？ HY-MT1.5 は、専門の「フォーマット翻訳」プロンプトテンプレートを提供しています。テキストを特定のタグ（<source> や <sn> など）で囲むだけで、モデルはタグ構造を保持しながらコンテンツのみをインテリジェントに翻訳します。これはウェブページの翻訳やソフトウェアのローカライズに非常に役立ちます。

Q5：このモデルはファインチューニング (Fine-tuning) をサポートしていますか？ はい。公式はファインチューニングに LLaMA-Factory フレームワークの使用を推奨しています。データを ShareGPT の JSON 形式に整理する必要があります。これは、モデルを特定の垂直領域（医療、法律など）に適応させたい開発者にとって非常に便利です。

HY-MT1.5 の登場は、オープンソースコミュニティの活力を改めて証明しました。高品質な翻訳のハードルを下げるだけでなく、1.8B のような極めて軽量なバージョンを通じて、「AI をどこにでも（AI everywhere）」を単なるスローガンではなく現実にしました。次のキラーアプリを作りたい開発者であれ、効率的なソリューションを求める企業であれ、このモデルは時間をかけて試してみる価値があります。