Китайская компания Tencent открыла исходный код двух новых моделей для машинного перевода, которые, по их утверждению, показывают лучшие результаты, чем сервисы вроде Google Translate на международных тестах.
На мероприятии WMT2025, где проводится сравнение переводческих систем, новые модели от Tencent — Hunyuan MT 7B и Hunyuan MT Chimera 7B — заняли первое место в 30 из 31 языковой пары. Это один из главных событий, где проверяют эффективность переводчиков на практике.
Обе модели поддерживают перевод в обе стороны для 33 языков, в том числе популярных (китайский, английский, японский) и менее распространенных, например, чешский, маратхи, эстонский, исландский. Основное внимание уделено переводу между китайским и языками национальных меньшинств, такими как казахский, уйгурский, монгольский и тибетский.
В техническом отчёте Tencent говорится, что Hunyuan опережают конкурентов как по качеству, так и по разным критериям тестирования. Результаты по сравнению с Google Translate улучшились на 15–65 процента в зависимости от пары языков и стандарта оценки. Крупные ИИ-конкуренты (GPT-4.1, Claude 4 Sonnet и Gemini 2.5 Pro) тоже уступили в большинстве тестов.
Модели имеют 7 миллиардов параметров, что делает их меньше многих других нейросетей того же класса. Благодаря этому им не нужен дорогой и мощный сервер. При этом, по итогам тестов, они показывают такие же или даже лучшие результаты, чем более крупные системы, например, серию Tower Plus (до 72 млрд параметров), опережая их на 10–58 процентов.
В прямом сравнении с Gemini 2.5 Pro, обе модели Hunyuan показали прирост на 4,7 процента. При сопоставлении со специализированными системами прирост достигал 55–110 процента.
Модели можно скачать с Hugging Face, также исходный код выкладывают на GitHub.
Обучение моделей происходило в пять этапов: работа с обычными текстами, затем подбор данных именно для перевода, потом обучение на примерах перевода, этап с подкреплением (поощрение за удачные результаты), последний шаг — еще одно обучение с усиленным подкреплением.
В процесс включили 1,3 триллиона токенов только по языкам меньшинств, всего — 112 языков и диалектов. Для проверки данных создали собственную систему оценки по трём параметрам: ценность знаний, достоверность и стиль письма.
Chimera использует каскадный метод — она берет варианты перевода из разных систем и выдает итоговый вариант, который оказался сильнее на стандартных тестах в среднем на 2,3 процента.
Пока Tencent выкладывает результаты, Google анонсировала обновления для своего переводчика — теперь он сможет работать в режиме реального времени и предлагать персональные режимы обучения языкам, используя многомодальные возможности моделей Gemini.
