leer #fast-thinking-translation hallazgo 03 · boletín 2026-10-10

Tencent-Hunyuan/Hy-MT2

Familia "fast-thinking" de modelos de traducción multilingüe de Tencent Hunyuan — 1.8B, 7B y 30B-A3B (MoE); 33 idiomas; soporte para instrucciones de traducción estructuradas (terminología, estilo, personalización, delimiters); incluye IFMTBench, un benchmark open para evaluar la fidelidad a instrucciones de traducción.

Estrellas

—

Forks

—

Lenguaje

Python

Licencia

NOASSERTION

Issues

—

Estado

—

Cómo funciona

Implementa fast-thinking-translation

Núcleo

Tencent-Hunyuan/Hy-MT2 Python · NOASSERTION

Se cruza con paired_with Tencent/AngelSlim compite con deepseek v4 pro

Diagrama derivado de madurez_senales (lenguaje, licencia, estado y topics) y de las relaciones que este repo tiene en el grafo de conocimiento. No es una arquitectura del proyecto: es su posición funcional tal como la registran los boletines.

Posición en el ecosistema

Tencent-Hunyuan/Hy-MT2

implementa

fast-thinking-translation Concepto

Tencent-Hunyuan/Hy-MT2

paired_with

Tencent/AngelSlim Repositorio

Tencent-Hunyuan/Hy-MT2

compite con

deepseek v4 pro model

Expandir en el grafo 3D →

Relaciones que aportó este boletín

implementsfast-thinking-translationnuevo competes_withmodel:deepseek-v4-pronuevocompetes_withmodel:kimi-k2.6nuevoreleasesbenchmark:ifmtbenchnuevo paired_withTencent/AngelSlimnuevo enablestechnique:edge-translation-1.25bitnuevo

Por qué importa

Tencent Hunyuan publica Hy-MT2 como familia "fast-thinking" para traducción multilingüe: tres tamaños (1.8B, 7B, 30B-A3B MoE), 33 idiomas y soporte para instrucciones estructuradas de traducción (terminología, estilo, delimiters). El ángulo tesis que sostienen es serio: según el paper arXiv 2605.22064, los modelos de 7B y 30B-A3B en modo fast-thinking superan a DeepSeek-V4-Pro y Kimi K2.6 en tareas de traducción generales y de negocio, y el 1.8B comprimido a 1.25-bit (440 MB) mediante AngelSlim supera a Microsoft Translator y Doubao — esto último no está verificado fuera del paper y debe leerse con cautela. El repo trae además IFMTBench (benchmark open para fidelidad a instrucciones), la skill Hy-MT2-Translator en ClawHub + SkillHub, y sponsorship oficial de WMT26 con premio especial Hunyuan. Para CSS, ángulo tesis — "fast-thinking translation" (razonamiento tipo CoT aplicado a traducir) es una técnica que en 2026 sale de papers chinos hacia producción, y Hy-MT2 es el release open-source más serio del año con esa tesis. Caveat honesto: el último push al repo es del 2026-08-26 (tres meses sin commits); los pesos sí siguen versionándose en HuggingFace/ModelScope, pero el código del repo no recibe actividad reciente — dato relevante si lo evalúas como dependencia. Licencia NOASSERTION en GitHub, pendiente de verificar.

Alerta

el Hy-MT2 Report (arxiv 2605.22064, 30 min) si cubres modelos de traducción, probar Hy-MT2-1.8B-1.25bit-GGUF con llama.cpp en una laptop (440 MB), vigilar las próximas actualizaciones del repo (los modelos en HF pueden evolucionar independientemente del repo).

Apariciones · 1

2026-10-10 hallazgo principal
primera vez en el boletín

Señales de madurez (texto original)

Estrellas: 1.203 · Forks: 116 · Lenguaje: Python (training/inference scripts; los modelos son checkpoints en HuggingFace y ModelScope) · Fecha creación: 2026-05-18 · Último push: 2026-08-26 (3 meses sin push en el repo — pero los modelos están en HF y se siguen versionando) · Licencia: NOASSERTION (verificar LICENSE file antes de uso comercial — los modelos individuales pueden tener licencias específicas, recomendado revisar HF model cards) · Descripción oficial: "Hy-MT2 is a family of 'fast-thinking' multilingual translation models..." · Topics: (no verificados en este paso — visiblidad china del repo) · Maintainer: org Tencent-Hunyuan · Default branch: main · Modelos: Hy-MT2-1.8B/7B/30B-A3B en HuggingFace y ModelScope; variantes FP8, GGUF, 2-bit, 1.25-bit