騰訊低調把翻譯專用模型送上 OpenRouter——價格只有前沿 API 的百分之一

2026 年最喧鬧的 AI 發表會，總是伴隨著舞台、倒數計時與滿滿的基準測試圖表。然後是 8 月 22 至 23 日週末發生的事：三個新模型悄然出現在 OpenRouter 上——Meta 的 Muse Spark 1.2 Contributor、DeepSeek 的 V4 Flash Vision 實驗版，以及騰訊的 Hy-MT2 翻譯模型家族——沒有部落格文章、沒有發表貼文，除了一則推文之外沒有任何官方宣傳。閘道器上的新上架往往比正式公告早好幾天，這讓 OpenRouter 成為業界最靈敏的預警系統之一。其中騰訊這批模型最值得深究，因為它是對機器翻譯經濟學的一次無聲突襲。

實際上架了什麼

騰訊混元（Hunyuan）的 Hy-MT2 是一系列「快思考」（fast-thinking）多語言翻譯模型，專為真實世界的工作負載打造，而非排行榜展示。三種尺寸於 8 月 20 至 21 日間陸續登上 OpenRouter：

• Hy-MT2-1.8B——18 億參數的輕量模型，價格約為每百萬輸入 token $0.044、每百萬輸出 token $0.177
• Hy-MT2-7B——中堅主力，每百萬輸入 token 約 $0.074
• Hy-MT2-30B-A3B——旗艦款，稀疏混合專家（MoE）架構，總參數 300 億、每次啟動 30 億，價格為每百萬 token 輸入 $0.074 / 輸出 $0.295

三者皆支援 33 種語言對的互譯，外加 5 種中文方言與少數民族語言對——這是多数西方供應商根本不提供的覆蓋範圍。模型還內建了生產級翻譯工作流：結構化翻譯、分隔符萃取、考量上下文的情境翻譯、術語表干預，以及風格導向翻譯。這些過去必須用通用 LLM 加上自製提示詞鷹架才能拼湊出來的功能，現在開箱即用。

30B-A3B 旗艦在 OpenRouter 上提供 8K 上下文視窗與 4K 完成上限，由騰訊雲直接供應，過去三天可用率 100%，中位數首 token 延遲 1.63 秒，吞吐量約每秒 12 個 token。以前沿標準看它不算快，但它本來就不打算快——它要的是便宜、精準、可預期。

基準測試成績

技術基礎來自騰訊混元翻譯團隊 2026 年 5 月發表於 arXiv 的論文（2605.22064）。重點結論：

• 7B 與 30B 模型在快思考模式下，翻譯任務擊敗開源通用模型 DeepSeek-V4-Pro 與 Kimi K2.6
• 1.8B 模型整體超越微軟與豆包等主流商用翻譯 API——儘管它小到能跑在手機上
• 搭配 AngelSlim 的 1.25-bit 極限量化解決方案，1.8B 模型只需 440 MB 儲存空間，推論速度還提升 1.5 倍，讓裝置端即時翻譯真正可行

這延續了一條有實績的血統：混元早前的 HY-MT-7B 是 WMT25 冠軍模型，騰訊如今更是 WMT26 官方合作夥伴，提供獎金鼓勵參賽隊伍使用 HY-MT。GitHub 儲存庫自 2025 年底就已開源，Hy-MT2 模型集也發布在 Hugging Face 的 tencent 組織下。這不是地下實驗室的產物，而是一套深思熟慮的開源策略，而且突然獲得了商業發行管道。

價差為什麼重要

比較一下數字。OpenRouter 上的前沿通用模型目前依等級不同，每百萬 token 大約落在 $2 到 $30 之間。Hy-MT2-1.8B 只要 $0.044。這不是折扣——這是不同量級的經濟學，對「翻譯」這個特定任務而言，比旗艦 API 便宜約兩個數量級。對任何以翻譯用戶內容為核心循環的產品——瀏覽器翻譯擴充套件、字幕工具、文件管線、跨境電商——把翻譯流量從通用前沿 API 改路由到專用模型，推論帳單可能直接砍掉 95% 以上。

OpenRouter 上的早期流量如實反映了這種用途。上架頭幾天，送往 Hy-MT2-30B-A3B 流量最大的應用包括 SkyrimNet（已超過 400 萬 token）、Glotts Dictionary Review、Read Frog 與 Immersive Translate——全部是翻譯原生或翻譯密集型產品。採用不是猜測，而是在上架 72 小時內發生的事實。

無聲上架的模式

Hy-MT2 的悄然現身，反映了模型發布觸及開發者的方式正在轉變。Meta 把 Muse Spark 1.2 Contributor 送上 OpenRouter 時沒有任何公告；DeepSeek 的 V4 Flash Vision 實驗版同一個週末低調出現。在每個案例中，閘道器上架本身就是發表。對一個在 2024、2025 年精心編排發表日盛況的產業來說，新的預設值是：先上端點，讓更新日誌與價格追蹤器自己去發現，省掉所有排場。

對中國實驗室來說，這背後有明確的戰略邏輯。騰訊、DeepSeek 與阿里的 Qwen 都已體認到，透過開放閘道器與開放權重的發散速度遠快於媒體報導——Hugging Face 41% 的下載量與 OpenRouter 61% 的 token 流量，已經流向中國開源權重模型。一個價格低於前沿百倍的專用翻譯器，與其說是產品發表，不如說是在成長最快的發行渠道中圈地。

更大的啟示：專用模型回來了

過去兩年，業界共識是通用前沿模型終將吞噬每個利基任務。Hy-MT2 是反方論點的證據：當任務定義明確、流量巨大且對價格敏感——翻譯正是教科書級範例——一個內建任務專屬工作流、方言覆蓋與激進量化的專用模型，能在「每美元品質」上以數個數量級的差距擊敗通用模型。同一個週末，Pinecone 的 Nexus 檢索層用同樣的底層模型，在企業知識基準上擊敗了前沿模型代理。不同的堆疊層，同一課教訓：瓶頸往往不在你選的模型，而在它周圍的那一層。

對開發者而言，行動項目很具體。如果你的產品有大規模翻譯需求，拿 Hy-MT2 和現有架構比一比——API 相容 OpenAI 格式，切換只是改 base URL 和模型名稱。如果你仰賴 DeepSeek 端點，注意 deepseek-chat 與 deepseek-reasoner 將在 10 月 24 日除役，而這類無聲上架正是它們接班者最先現身之處。還有，如果你靠追蹤發表會來掌握產業動態——你現在盯著的是錯誤的頻道。真正的發表不會寄邀請函，它們就在你附近的供應商目錄裡出現。