テンセントが翻訳モデル「Hy-MT2」をオープンソース化：1.25ビットの極限量子化技術でモバイル翻訳を快適に

テンセント「Hy-MT2」翻訳モデル徹底解説：極限量子化技術が変える端末での多言語コミュニケーション

言語の壁は、国際的な交流における最大の課題のひとつです。33もの言語に対応した双方向翻訳を処理することは、かつてはサーバーファーム全体の計算能力を必要とするような、途方もないタスクに思えました。しかし、現在の人工智慧（AI）の発展は、非常に興味深い「小型化」の方向へと進んでいます。脳は賢くなり続けながら、そのサイズは驚くほどコンパクトになっています。

一般的なスマートフォンで、デバイスが熱くなったり10分でバッテリーを使い果たしたりすることなく、複雑なAIモデルをスムーズに実行することは、かつては遠い夢でした。しかし今、その技術は静かに現実のものとなっています。テンセント・チームが新たにリリースしたHy-MT2多言語翻訳モデルは、注目すべき突破口を開きました。これは「高速思考」を重視し、現実の応用シナリオの解決に特化した新しいモデルファミリーです。このモデルの背後にある技術的な詳細を紐解き、どのようにして高品質な翻訳と極めて低いハードウェア要件を両立させているのかを見ていきましょう。

モデル規模と混合エキスパート（MoE）アーキテクチャの巧妙なバランス

この新しいモデルには、どのような特別な点があるのでしょうか。それは、非常に充実したラインナップから始まります。Hy-MT2シリーズには、1.8B、7B、そして混合エキスパートアーキテクチャ（MoE）を採用した30B-A3Bなど、さまざまなサイズが含まれています。大規模言語モデルは通常、避けられないジレンマに直面します。モデルのパラメータが大きければ大きいほど、複雑な文脈を正確に理解できますが、それに伴って計算コストが極めて高くなるのです。

この問題を解決するために、30B-A3BはMoEアーキテクチャを巧妙に利用しています。これは、大規模な総合病院のようなものです。患者は特定の専門医の診察を受けるだけで済み、病院全体の全医療スタッフを集めて会議をする必要はありません。この設計により、モデルは翻訳効果と推論効率の間で絶好のバランスをとることができます。コミュニティの実測フィードバックによると、このアーキテクチャによってHy-MT2は、Gemini 3.1 ProやGPT-5.5などのトップクラスのクローズドソースモデルとの性能差を縮めることに成功しました。ハードウェアリソースを過剰に消費することなく、驚くべき指示追従能力を発揮します。

ハードウェアの限界を突破する「AngelSlim 1.25ビット極限量子化」の魔法

次に、今回の発表で最も話題となった技術的なハイライト、本当に驚くべき部分についてお話ししましょう。極めて低い遅延が求められるエッジコンピューティングデバイスにとって、これまでのモデルはサイズが大きすぎて、リアルタイム翻訳のニーズを満たすのは困難でした。

端末デバイスへのデプロイの課題を解決するために、開発チームは「AngelSlim」と呼ばれる1.25ビット極限量子化技術を開発しました。簡単に言えば、これは膨大な百科事典の内容を、ポケットに入れて持ち運べる数枚の小さなカードに完璧に濃縮するようなものです。最も素晴らしいのは、これらのカードを参照したときに、重要な詳細が一切欠けていないことです。この技術により、1.8B軽量モデルのストレージ要件をわずか440MBにまで圧縮しました。

わずか440MBです！この容量は、スマートフォンでダウンロードするカジュアルなゲームよりも小さいほどです。サイズが劇的に縮小した一方で、性能は爆発的な成長を見せています。推論速度は1.5倍に向上しました。これは、数年前の古いスマートフォンであっても、プロレベルの翻訳タスクをストレスなく実行できることを意味します。

図解：複雑な指示に対する卓越した追従能力

多くの開発者が翻訳機能を実装する際、翻訳の過程でモデルが「気を利かせて」、コードタグや変数名を勝手に変更してしまうという悩みに直面します。Hy-MT2は、この点に特化して強化されています。

以下の表は、公式に提供された翻訳タスクの指示例に基づいています。モデルが厳格な制約条件を持つ構造化データの翻訳タスクをどのように処理するかを示しています。

上の表からわかるように、インデントを不変に保つ必要があるJSON形式であっても、複雑な変数プレースホルダーを持つ文字列であっても、Hy-MT2は「翻訳が必要な可視テキスト」と「保持すべきコード構造」を完璧に区別できます。これは、ソフトウェアのローカライズやウェブサイトの多言語切り替えを担当するエンジニアにとって、大きな福音です。

性能評価と商用APIを凌駕する輝かしい成績

多くの人は、極限まで圧縮した後では翻訳の品質が大幅に低下するのではないかと疑うかもしれません。しかし、結果は予想外のものでした。品質に妥協はなく、全体の翻訳パフォーマンスはマイクロソフトや豆包（Doubao）など、市販されている多くの主要な商用APIを凌駕したのです。

7Bモデル専用ページに掲載されている内部テストデータでも、大サイズのバージョンがDeepSeek-V4-ProやKimiといった有名なオープンソースの競合を打ち破ったことが示されています。コミュニティが客観的に評価できるように、チームは「IFMTBench」という評価ベンチマークも同時にオープンソース化しました。この基準は、モデルが複雑な翻訳指示に従う能力を検証するためのもので、開発者がその後の微調整を行う際の明確な指針となります。

開発者向けリソースと国際的な挑戦

これほど軽量で強力な翻訳ツールを手に入れたら、次のステップはそれをより広い舞台で活用することです。HuggingFaceやModelScopeプラットフォームを通じて、誰でも簡単にこれらのモデルファイルを入手できます。既存のプロジェクトに翻訳機能を素早く統合したい場合は、ClawHubやSkillHubから専用の「Hy-MT2-Translator Skill」モジュールをダウンロードすることもでき、開発プロセスは非常にスムーズになります。

また、テンセントは現在、国際的に有名な機械翻訳会議「WMT26」と密接に協力し、2つの挑戦的な国際大会を共同開催しています。ひとつは動画字幕翻訳タスクで、モデルには正確な翻訳と同時に、映像のタイムラインや口語的なニュアンスへの配慮が求められます。もうひとつは、より広範なシナリオをカバーする汎用機械翻訳タスクです。これら2つの大会には、世界中の技術者が招待されています。

FAQ：Hy-MT2の実用的な詳細

技術的な原理を理解したところで、実務上の疑問がいくつかあるかもしれません。特に関心の高いポイントをまとめました。

Q1：テンセントのHy-MT2モデルとは何ですか？どのような言語をサポートしていますか？ A：Hy-MT2は「高速思考（fast-thinking）」を特徴とする多言語翻訳モデルシリーズで、最大33言語の相互翻訳をサポートしています。計算ニーズに合わせて、1.8B、7B、およびMoE/MoaEアーキテクチャを採用した30B-A3Bの3つの異なるサイズが提供されています。

Q2：スマートフォンなどの端末デバイスへのデプロイにおいて、どのような進展がありましたか？ A：ハードウェアの制限を解決するために、「AngelSlim 1.25ビット量子化技術」を採用しました。これにより、1.8B軽量モデルのサイズをわずか440MBにまで圧縮しつつ、推論速度を1.5倍に向上させ、一般的なデバイスでもプロレベルの翻訳をスムーズに実行できるようにしました。

Q3：他のオープンソースモデルや商用APIと比較して、Hy-MT2の性能はどうですか？ A：非常に優れています。公式データによると、7Bや30B-A3BはDeepSeek-V4-ProやKimi K2.6などの有名な競合を上回り、最小の1.8Bモデルであっても、マイクロソフトや豆包などの主要な商用APIを打ち負かす翻訳パフォーマンスを達成しています。

Q4：開発者向けにどのようなリソースが提供されていますか？ A：HuggingFaceやModelScopeでモデルファイルを入手できるほか、翻訳指示への追従能力を検証するためのベンチマーク「IFMTBench」も公開されています。また、プロジェクトへの迅速な統合のために、ClawHubやSkillHubで「Hy-MT2-Translator Skill」モジュールも提供されています。

Q5：Hy-MT2に関連する国際大会などはありますか？ A：国際的な機械翻訳コンテスト「WMT26」と提携し、「汎用機械翻訳タスク」と難易度の高い「動画字幕翻訳タスク」を開催しています。世界中の開発者がHy-MTシリーズを使用して参加し、機械翻訳技術の発展に貢献することを呼びかけています。