테마 전환
Hy-MT2-30B-A3B (번역일자: 2026-11-08)
33개 언어를 빠른 속도로, 번역 지시까지 따라 번역하는 MoE 번역 모델.
Hy-MT2는 Tencent(Hunyuan)이 공개한 "빠른 사고(fast-thinking)" 다국어 번역 모델 패밀리입니다. 이 주제는 그중 전체 파라미터 30B·활성 3B의 MoE 모델 Hy-MT2-30B-A3B를 다룹니다. 영어·한국어를 포함한 언어 간 번역, 용어·스타일·구분자·구조화된 데이터까지 세밀하게 제어하는 번역 지시, 그리고 공식 학습 파이프라인까지 한국어로 단계별로 학습 순서대로 정리했습니다.
원 자료는 Tencent-Hunyuan/Hy-MT2 공식 저장소의 README와 train/ 문서이며, 이를 바탕으로 한국어 사용자를 위해 재구성했습니다.
요약
텐센트의 33개 언어 다국어 번역 MoE 모델, 번역 지시 제어 지원
사용 후기
제 경우 대충 볼 때는 구글 번역이나 네이버 Whale, 관심 가는 내용은 이 모델을 사용하고 있어요. VRAM 사용량이 조금 부담되긴 하지만 영어, 중국어, 일본어 등이 섞여 있어도 준수하게 번역이 됩니다.
라이선스
원저작자: Tencent(Hunyuan). Tencent-Hunyuan/Hy-MT2 저장소에서 개발·배포하며, 가중치는 Hugging Face와 ModelScope의 Tencent Hy 모음으로 공개됩니다. 번역 지시를 평가하는 벤치마크 IFMTBench도 같은 저장소에 함께 들어 있습니다.
코드와 모델 모두 Apache License 2.0입니다. 루트 LICENSE.txt에 Copyright (C) 2026 Tencent 표기와 함께 “Hy-MT2 is licensed under the Apache License, Version 2.0”이라고 적혀 있고, Hugging Face의 tencent/Hy-MT2-30B-A3B 카드도 license: apache-2.0을 선언합니다.
NOTICE: 원 저장소 최상위에는 별도의 NOTICE 파일이 확인되지 않습니다. 다만 루트에 LICENSE.txt와 별도로 LICENSE-IFMTBench.txt가 있어 라이선스가 둘로 나뉩니다. CC-BY-4.0(© 2026 Tencent, 추가 제한 없음)은 Tencent가 공개한 데이터셋만 가리키므로, 벤치마크 실행 코드(IFMTBench/run_eval.py, IFMTBench/eval/)는 그 고지 대상에서 빠지고 저장소 기본인 Apache-2.0이 적용된다고 읽힙니다. IFMTBench 데이터셋의 전부 또는 상당 부분을 복제·수정·재배포할 때는 CC-BY-4.0에 따라 Tencent 저작 표기와 라이선스 고지를 유지해야 하며, 이는 Hy-MT2의 기본 Apache-2.0 라이선스에는 영향을 주지 않습니다.
이 주제의 글
Hy-MT2-30B-A3B 소개: 쾌속 다국어 번역의 새로운 기준
33개 언어를 자유롭게 넘나들며, 복잡한 지시사항까지 빠르게 처리하는 텐센트(Tencent)의 MoE 모델 Hy-MT2-30B-A3B를 소개합니다. 모델의 구조부터 실제 성능, 지원 언어까지 핵심만 짚어봅니다.
Hy-MT2-30B-A3B 실행하기: 효율적인 서빙과 최적의 추론 설정
Hy-MT2-30B-A3B를 transformers로 빠르게 구동하고 vLLM·SGLang으로 상용 수준의 서빙 환경을 구축하는 방법을 다룹니다. GGUF 기반의 llama.cpp 실행과 AngelSlim 양자화 전략도 함께 살펴봅니다.
Hy-MT2 번역 품질을 높이는 7가지 프롬프트 전략
기본 번역부터 용어 지정, 스타일 제어, 구조화된 데이터 처리까지 Hy-MT2의 성능을 극한으로 끌어올리는 7가지 공식 프롬프트 패턴을 한국어 사례와 함께 소개합니다.
Hy-MT2 맞춤형 모델을 위한 파인튜닝 가이드: DeepSpeed와 LLaMA-Factory
Hy-MT2의 학습 데이터 구성부터 30B-A3B의 GPU 요구 사양, DeepSpeed 및 LLaMA-Factory를 이용한 효율적인 학습 방법과 가중치 병합까지, 공식 학습 문서를 한국어 사용자를 위해 상세히 정리합니다.
실무 적용을 위한 Hy-MT2-30B-A3B 코드 레시피
Hy-MT2-30B-A3B를 활용한 영어-한국어 번역 구현부터 용어집 주입, JSON 구조 보존, vLLM API 호출까지, 실무에 바로 적용 가능한 파이썬 코드 예제를 제공합니다.