Index-Translate：译出意思，也听懂要求
翻译人物对白时，我们关心角色说话的方式；翻译面向读者的说明时，我们关心语气与格式；遇到网络热梗时，还需要理解字面之外的语境。同一句话，可能需要不止一种合适的译法。
Index-Translate 将多语言翻译、指令控制与热梗理解结合起来。 除了原文和目标语言，你可以同时指定表达要求，例如保留人物之间的称谓、采用更口语化的语气，或只输出译文。模型据此完成翻译，让译文适合接下来的使用场景。
对于带有调侃、反话或文化背景的内容，翻译还需要理解它为何这样说。我们把社交与文化语境纳入评测，也单独考察翻译指令遵循，分别检查译文的质量与要求是否得到执行。
Index-Translate 以 Qwen 3.5 2B/9B/35A3B base 为底座（35B 当前为 preview 训练中版本），经过三个阶段训练：
Mid-train：这一阶段我们采用标准的 WSD scheduler，混合了基础预训练回放语料，多语种语料，平行语料和中转语料，探索了多种数据配比，平行度和平行组织方式，并在退火阶段特别提高了中转语料的比例，让模型学习不同语言的表达方式与跨语言语义对应，为后续翻译任务训练打下基础。
Post-train：在 mid-train 建立多语言基础之上，我们分别训练了通用翻译模型，指令遵循翻译模型和梗翻译模型三个专家模型，分别进行了 SFT 和 RaR RL（Rubric as Reward）或 RLVR。
Model-merge：我们结合线性插值/MOPD/Mix-RL，将多版本能力整合到统一模型。
后训练评测主表：核心指标对比
主表汇总后训练评测中的 Index-Translate-35B（preview）/9B/2B 与对比模型。涵盖通用翻译（FLORES-200、WMT24++、WMT26）、翻译指令遵循（instTrans、IFMTBench）、五项垂类翻译均值、文化表达（MEME 梗翻译）与小语种翻译（FLORES_minor_pair）。Index-Translate-35B（preview）在 FLORES-200（0.8794）、instTrans IFscore（0.8336）、MEME（0.7405）与小语种（0.8168）均取得全场最优或位列前茅；9B 在同尺寸模型中大幅领先；2B 亦在各维度领先同级别基准。
| 模型 | FLORES-200 COMET-22 ↑ |
WMT24++ COMET-22 ↑ |
WMT26 Judge ↑ |
instTrans IFscore ↑ |
IFMTBench IFscore ↑ |
垂类均值 COMET-22 ↑ |
梗翻译 MEME ↑ |
小语种 COMET-22 ↑ |
|---|---|---|---|---|---|---|---|---|
| Index-Translate 主力模型 | ||||||||
| Index-Translate-9B | 0.8789 | 0.8601 | 75.35 | 0.8209 | 0.8760 | 0.8451 | 0.7387 | 0.7992 |
| Index-Translate-2B | 0.8655 | 0.8489 | 60.26 | 0.7569 | 0.7584 | 0.8377 | 0.6443 | 0.7377 |
| Index-Translate-35B-A3B (preview) | 0.8794 | 0.8586 | 76.76 | 0.8336 | 0.8991 | 0.8438 | 0.7405 | 0.8168 |
| 对比模型 | ||||||||
| Hy-MT2-1.8B | 0.8522 | 0.8401 | 49.35 | 0.4932 | 0.7161 | 0.8314 | 0.3643 | 0.3163 |
| Hy-MT2-7B | 0.8747 | 0.8593 | 60.51 | 0.6079 | 0.8741 | 0.8335 | 0.5139 | 0.4626 |
| Hy-MT2-30B-A3B | 0.8787 | 0.8624 | 66.81 | 0.6415 | 0.9029 | 0.8459 | 0.5812 | 0.6746 |
| translategemma-12b-it | 0.8732 | 0.8524 | 71.19 | 0.3068 | 0.2892 | 0.8347 | 0.4281 | 0.8021 |
| CohereLabs/North-Small-Translate-1.0 (218A25B) | 0.8784 | 0.8578 | 68.37 | 0.5294 | 0.8635 | 0.8357 | 0.6836 | 0.6855 |
| gpt-5.6-sol | 0.8650 | 0.8469 | 89.10 | 0.7624 | 0.9367 | 0.8311 | 0.7194 | 0.7669 |
| gemini-3.5-flash-lite | 0.8750 | 0.8497 | 79.52 | 0.6374 | 0.8854 | 0.8131 | 0.7034 | 0.8122 |
WMT26 为 20 目标语种 GPT-5.6-Sol Judge（0–100 分制）。垂类均值为 OPUS-Books、WMT Biomedical、MTNT、MuST-Cinema 与 GuoFeng-Webnovel 五项成绩的等权平均。小语种为 FLORES_minor_pair (COMET-22)。加粗表示各列最高分。↑ 越高越好。
小语种翻译与指令遵循（FLORES_minor_pair 与 instTrans_minor）
FLORES_minor_pair 使用 62 种语言之间的 1,040 个翻译方向、104,000 条输入；instTrans_minor 包含 2,793 条中文或英文到小语种的指令翻译任务，质量与 IFscore 分别统计，评判模型为 GPT-5.6-Sol。off-target 表示未使用目标语言的输出比例（%），越低越好；其余分数取值为 0–1，越高越好。加粗标注每列最优值。
| 模型 | FLORES_minor COMET-22 ↑ |
FLORES_minor XCOMET-XXL ↑ |
FLORES_minor off-target ↓ |
instTrans_minor Quality ↑ |
instTrans_minor IFscore ↑ |
instTrans_minor off-target ↓ |
|---|---|---|---|---|---|---|
| Index-Translate-35B-A3B (preview) | 0.8168 | 0.7164 | 2.4% | 0.5151 | 0.7715 | 4.05% |
| Index-Translate-9B | 0.7992 | 0.6805 | 4.0% | 0.5222 | 0.7725 | 3.47% |
| Index-Translate-2B | 0.7377 | 0.4817 | 4.2% | 0.3050 | 0.6586 | 3.97% |
| Hy-MT2-1.8B | 0.3163 | 0.2014 | 54.2% | 0.0412 | 0.1313 | 65.27% |
| Hy-MT2-7B | 0.4626 | 0.3334 | 35.7% | 0.1121 | 0.2405 | 45.40% |
| Hy-MT2-30B-A3B | 0.6746 | 0.5359 | 14.5% | 0.2246 | 0.4449 | 15.47% |
| TranslateGemma-12B | 0.8021 | 0.6217 | 1.7% | 0.2412 | 0.2682 | 5.37% |
| North-Small-Translate (218B-A25B) | 0.6855 | 0.4919 | 13.2% | 0.2436 | 0.2902 | 26.89% |
| DeepSeek-V4.1-Flash | 0.8333 | 0.7297 | 1.3% | 0.4793 | 0.5854 | 5.73% |
| GPT-5.6-Sol | 0.7669 | 0.6918 | 10.4% | 0.5757 | 0.6866 | 7.73% |
| Gemini 3.5 Flash Lite | 0.8122 | 0.6995 | 3.3% | 0.3927 | 0.5584 | 12.18% |
在三个 Index-Translate 模型中，35B-A3B (preview) 的 FLORES_minor_pair COMET-22 和 XCOMET-XXL 最高，分别为 0.8168 / 0.7164，off-target 为 2.4%。在 instTrans_minor 上，Index-Translate-9B 在全部对比模型中取得最高 IFscore（0.7725）和最低 off-target（3.47%），译文质量为 0.5222。
文本与图片 → 译文- 放入原文或图片。 选择源语言与目标语言，输入需要翻译的文本或上传图片。
- 写下要求。 指定语气、称谓、专业术语或输出格式；自定义要求与多模态图片翻译支持 2B / 9B / 35B 全系列。
- 查看译文。 译文随生成过程逐步呈现，便于阅读和检查。
Index-Echo：让另一种语言，也能被听见
视频里的讲述、对话和解说，需要通过声音传递给另一种语言的观众。Index-Echo 以源语音为输入，将翻译结果继续生成为目标语言语音，让内容以新的语言被听见。
Index-Echo 是端到端 S2S（Speech-to-Speech）语音翻译模型，支持 6 种语言的语音翻译与配音。 模型具备快速推理能力，面向短句对白与视频片段的翻译、配音需求，让从听到原声到获得目标语言语音的过程更加高效。
S2TT：语音输入、译文文本输出。 将 AuT encoder 接入 Index-Translate-2/9B，并以端到端方式训练语音翻译任务，翻译输出默认包含对齐时间戳，支持句子级字幕时序同步呈现。
S2ST：完全端到端语音到语音直译（语音输入、译文语音输出）。 采用完全端到端架构，彻底摒弃传统 ASR+MT+TTS 级联。在 S2TT 的基础上移除 CosyVoice3 的 tokenizer，将 LLM 的 last hidden 表征与 CosyVoice3 语义层深度对齐。训练分两阶段：首先冻结主干网络，蒸馏训练约 30M 参数的映射器完成表征对齐；随后解冻参与参数，使用 DiffRO 进行全链路端到端联合训练。说话人音色信息直接从源音频提取并注入生成链路，实现端到端语音到语音配音生成；当前支持中英到 6 种目标语言的翻译与配音。
评测摘要
在 S2TT 评测中，Index-Echo-9B 的 MT judge 为 0.857，位列本次对比第一；Index-Echo-2B 的 TS st_MAE 为 0.395，取得最低时间偏差（9B 为 0.488，位列第二）。
当前在线体验提供两条语音链路：按住说话直接把中文译成另一种语言的声音（英语、西班牙语、日语），或者上传一段中文/英文音频拿到译文文本，目标语种支持中、英、日、韩、阿、西、葡七种，模型可选 Index-Echo-9B 或 Index-Echo-2B。
按住说话 / 上传音频Index-Homura：把译文放进配音的节奏
一句原本几秒钟说完的对白，换一种语言后可能长出一截。跨语言配音因此需要同时处理两件事：传达原意，以及让文案长度适合原有的时间窗口。
Index-Homura 是面向配音的音节可控翻译模型。 你可以设定目标音节比范围，让长度要求直接参与翻译过程，为后续语音制作提供文案。音节比指“译文音节数 ÷ 原文音节数”；当前在线体验则用目标音节数来设置译文长度。
让长度控制进入训练目标。 HOMURA 方法采用 GRPO 强化学习，将动态音节比奖励与翻译质量奖励结合，同时优化长度约束、语义保留与语言流畅性。音节比的奖励区间会考虑目标语言差异与短句的计数粒度，让模型在预算内学习如何选择更合适的措辞。
评测摘要
在 Sandglass 评测中，Index-Homura-9B 的综合分为 0.8660，位列本次总榜第一；音节偏差不超过 10% 的比例为 81.92%，控制斜率为 0.968（理想值为 1）。
对白与音节数 → 配音文案- 输入中文对白。 选择英语、阿拉伯语、西班牙语或日语作为目标语言。
- 设定目标音节数。 使用滑杆或数字输入，给译文一个明确的长度要求。
- 查看翻译文案。 检查译文的表达与长度，为配音准备文本。
Index-Native Long：整本小说，一次译完
长文档翻译暴露了翻译专用模型的明显短板。 在这组中文到英文的评测中，Hy-MT2-7B 在 GuoFeng 上从 4K 档位的 0.7334 降至 64K 的 0.0001（Hy-MT2-30B-A3B 从 0.7535 降至 0.0664），在 BWB 上也从 0.7167 / 0.7301 降至 0.0001 / 0.1103；到 16K 时，两项分数已分别降至 0.0197 / 0.1615 和 0.0334 / 0.1432。翻译专项能力并没有自然延伸为稳定的长文档翻译能力。
即使是 frontier 模型，长输出也可能成为严重瓶颈。 LongWriter（2024）在当时受测的前沿模型中观察到：模型能够接收很长的上下文，却仍难以按要求生成足够长的文本。对于整本小说翻译，模型必须持续覆盖原文、保持人物与情节衔接，并把译文完整写到结尾；单纯扩大上下文窗口无法证明这些能力。
Index-NaiLong 面向超长输入与输出，支持在一次生成中输出单本小说的完整译文。 我们把长篇内容的全文翻译作为核心任务，同时检查输出完整性、人物称谓一致性和前后文衔接，让长篇翻译得到一份可以继续使用的完整作品。
评测摘要
在 64K tokens 档位，Index-NaiLong 9B 在 GuoFeng 与 BWB 中→英翻译上的分数分别为 0.7382 和 0.7440，跨领域书籍英→中翻译为 0.8514；三域五档均值分别达 0.7891、0.7683 与 0.8848，均为全场第一且 274/274 例全量计分。完整结果同时展示各长度档位表现。
在在线体验中，你可以直接上传文档、阅读生成中的译文并下载结果。当前体验页采用分段处理和逐段呈现的工作流，提供中文到英文的文档翻译。
长文档 → 可下载译文- 上传长文档。 提供 TXT 或 Markdown 格式的中文内容。
- 逐段查看译文。 体验页分段处理文档，随进度呈现英文结果。
- 下载翻译文档。 选择 Markdown 或 PDF，保存译文继续使用。
评测结果
以下集中展示 Index-Translate、Index-Echo、Index-Homura 和 Index-Native Long 的详细评测。各模型采用与自身任务对应的测试集和指标。
Index-Translate：文本与多模态图片翻译
我们从七个核心维度整理文本翻译评测：WMT、FLORES 通用翻译，通用指令遵循，小语种翻译，字幕翻译，MEME 梗翻译，以及书籍网文翻译（GuoFeng / OPUS-Books）。
在当前 14 款参评模型中，Index-Translate-35B（preview）在 FLORES（0.87940）和指令遵循（0.86635）两项取得全场第一，并在小语种翻译（0.81680）与 MEME 梗翻译（0.74050）位居前二；9B 模型在 WMT、FLORES、字幕翻译与书籍网文翻译均位列前二；2B 亦在同级别尺寸中显著领先。
| 评测维度 | Index-Translate-2B | Index-Translate-9B | Index-Translate-35B-A3B (preview) | 最优排名 / 14 款参评模型 |
|---|---|---|---|---|
| WMT (WMT24++) | 0.84890 | 0.86010 | 0.85860 | 2 / 14 (9B 第 2 · 最优 0.86240) |
| FLORES (FLORES-200) | 0.86550 | 0.87890 | 0.87940 | 1 / 14 (35B preview 全场第 1) |
| 通用指令遵循 | 0.75765 | 0.84845 | 0.86635 | 1 / 14 (35B preview 全场第 1) |
| 小语种翻译 | 0.73770 | 0.79920 | 0.81680 | 2 / 14 (35B preview 第 2 · 最优 0.83330) |
| 字幕翻译 | 0.82975 | 0.83515 | 0.83430 | 2 / 14 (9B 第 2 · 最优 0.83590) |
| MEME 梗翻译 | 0.64430 | 0.73870 | 0.74050 | 2 / 14 (35B preview 第 2 · 最优 0.74240) |
| 书籍网文翻译 (GuoFeng / OPUS-Books) | 0.80950 | 0.81775 | 0.81520 | 2 / 14 (9B 第 2 · 最优 0.81820) |
表中为组内原始指标均值，越高越好；全部 7 个维度均包含 14 款参评模型。通用指令遵循为 instTrans 与 IFMTBench IFscore 均值；字幕翻译为 OpenSubtitles 与 MuST-Cinema 均值；书籍网文为 OPUS-Books 与 GuoFeng-Webnovel 均值。
具体到单项，Index-Translate-35B（preview）在 FLORES-200 取得全场最高的 0.8794，在 instTrans 的 IFscore 为 0.8336，在 MEME 取得全场最高的 0.7405，小语种取得 0.8168；9B 模型在 IFMTBench IFscore（0.8760） 与字幕测试集 MuST-Cinema（0.8979） 均取得顶尖成绩。
| 模型 | 原始均分 | 相对分 |
|---|
刻度固定为全部有效模型的逐维归一化结果，切换模型不会重新缩放。缺失值留空；“非 Index 最优”取每个维度的最高基线分数，不代表单个模型。
图中各维度独立归一化至 0–100，展示相对位置；距离与面积不代表原始分差或综合能力。
排名为当前数据中的数值排序，未做显著性检验。例如字幕类别第一与第二的均分相差 0.00065，不据此宣称显著领先。
Index-Echo：语音翻译
Index-Echo 评测涵盖 S2TT（语音输入、译文文本输出） 与 S2ST（端到端语音输入、译文语音输出） 两个核心任务。S2TT 考察翻译语义质量与字幕时序对齐，S2ST 考察目标语言生成语音的内容准确性（WER/CER）、翻译质量（MT judge）与说话人音色保真度（Cosine 相似度）。
S2TT 评测结果：语音输入、译文文本输出
S2TT 评测基于 in-house 视频字幕测试集。Index-Echo-2B 在 TS st_MAE 取得最低时间偏差（0.395），9B 位列第二（0.488）。 在 MT judge 上，Index-Echo-9B 得分为 0.857，位列对比模型第一；Index-Echo-2B 为 0.825，显著优于开源模型 firered_audio（0.448）。
| 模型 | MT judge ↑ | TS st_MAE ↓ |
|---|---|---|
| Qwen3.8-Omni-Flash | 0.887 | 1.004 |
| Index-Echo-9B | 0.857 | 0.488 |
| gemini-3.1-pro-think | 0.849 | 1.824 |
| Qwen3.8-LiveTranslate | 0.833 | — |
| Index-Echo-2B | 0.825 | 0.395 |
| gemini-2.5-flash-think | 0.817 | 2.402 |
| gemini-2.5-flash | 0.757 | 1.746 |
| Qwen3-Omni | 0.700 | 1.145 |
| firered_audio | 0.448 | 0.765 |
| SeamlessM4T-v2 | 0.060 | — |
评测基于 in-house 视频字幕测试集。↓ 表示越低越好，↑ 表示越高越好；加粗为该列最佳成绩。
S2ST 评测结果：端到端语音输入、译文语音输出
S2ST 评测基于 eval36（中→英/西/日）与 e2x（英→中/西/日）共 6 个方向测试集，系统对比端到端配音模型（e2e）与级联管线（Native Pipeline）在 2B 与 9B 规模下的表现。日语与汉语采用 CER，英语与西班牙语采用 WER；说话人保真度采用对源音频的 Speaker Cosine 相似度。Index-Echo 端到端模型在全方向平均内容错误率上全面优于级联 Pipeline（9B 均值 0.0551 vs 0.0596；2B 均值 0.0554 vs 0.0610），并在西班牙语双向、中→日及英→中（2B 端到端相对 Pipeline 错误率降低近 40%）等方向取得显著增益；音色保真度全面持平（~0.72），端到端表征映射不损音色。
| 方案 / 模型 | 翻译质量 MT judge ↑ |
内容错误率 Content WER/CER ↓ |
音色保真度 Speaker Cosine ↑ |
|---|---|---|---|
| Index-Echo-9B 端到端配音（fd_rft） |
0.812 | 0.0551 | 0.722 |
| Native Pipeline (9B) ST LM 9B + CV3 直读 |
0.812 | 0.0596 | 0.719 |
| Index-Echo-2B 端到端配音（sw_lam20） |
0.790 | 0.0554 | 0.720 |
| Native Pipeline (2B) ST LM 2B + CV3 直读 |
0.790 | 0.0610 | 0.719 |
| SeamlessM4T-v2 开源端到端基线 |
0.348 | — | <0.140 |
评测基于 eval36 与 e2x 共 6 个翻译方向（中→英/西/日，英→中/西/日）。MT judge 为基于 gemini-3.1-pro 的翻译语义评分（端到端与 Pipeline 共享相同 ST LM 译文）；Content 考察生成语音内容错误率（英/西语为 WER ↓，日/汉语为 CER ↓，剔除 >0.3 离群取均值）；Speaker 为目标语音与源语音的音色 Cosine 相似度 ↑。表中数值均为 6 个方向均值。加粗为该列最佳成绩。
查看 6 个方向详细评测数据（zh→en/es/ja，en→zh/es/ja）
| 语种方向 | 方案 / 模型 | MT judge ↑ | Content (WER/CER均值) ↓ | Speaker Cosine ↑ |
|---|---|---|---|---|
| 中→英 (zh→en) WER · eval36 n=100 |
Index-Echo-9B (e2e) | 0.840 | 0.0615 | 0.739 |
| Native Pipeline (9B) | 0.840 | 0.0477 | 0.718 | |
| Index-Echo-2B (e2e) | 0.830 | 0.0709 | 0.743 | |
| Native Pipeline (2B) | 0.830 | 0.0450 | 0.722 | |
| 中→西 (zh→es) WER · eval36 n=200 |
Index-Echo-9B (e2e) | 0.793 | 0.0773 | 0.746 |
| Native Pipeline (9B) | 0.793 | 0.0916 | 0.746 | |
| Index-Echo-2B (e2e) | 0.728 | 0.0704 | 0.743 | |
| Native Pipeline (2B) | 0.728 | 0.0811 | 0.747 | |
| 中→日 (zh→ja) CER · eval36 n=200 |
Index-Echo-9B (e2e) | 0.815 | 0.0436 | 0.782 |
| Native Pipeline (9B) | 0.815 | 0.0552 | 0.778 | |
| Index-Echo-2B (e2e) | 0.760 | 0.0493 | 0.780 | |
| Native Pipeline (2B) | 0.760 | 0.0575 | 0.777 | |
| 英→中 (en→zh) CER · e2x n=200 |
Index-Echo-9B (e2e) | 0.800 | 0.0485 | 0.623 |
| Native Pipeline (9B) | 0.800 | 0.0463 | 0.632 | |
| Index-Echo-2B (e2e) | 0.825 | 0.0372 | 0.623 | |
| Native Pipeline (2B) | 0.825 | 0.0614 | 0.630 | |
| 英→西 (en→es) WER · e2x n=200 |
Index-Echo-9B (e2e) | 0.820 | 0.0660 | 0.729 |
| Native Pipeline (9B) | 0.820 | 0.0819 | 0.736 | |
| Index-Echo-2B (e2e) | 0.805 | 0.0702 | 0.735 | |
| Native Pipeline (2B) | 0.805 | 0.0867 | 0.732 | |
| 英→日 (en→ja) CER · e2x n=200 |
Index-Echo-9B (e2e) | 0.803 | 0.0337 | 0.710 |
| Native Pipeline (9B) | 0.803 | 0.0347 | 0.705 | |
| Index-Echo-2B (e2e) | 0.790 | 0.0345 | 0.698 | |
| Native Pipeline (2B) | 0.790 | 0.0342 | 0.707 |
Index-Homura：音节控制
在 Sandglass 音节控制评测中，Index-Homura-9B 以 0.8660 的综合分位列本次 20 个模型与训练版本的总榜第一。 在 3,600 条评测中，81.92% 的输出音节偏差不超过 10%；控制斜率为 0.968，接近理想值 1；Index-Homura-2B 亦取得 63.08% 偏差命中率与 0.947 控制斜率。
评测覆盖 300 句真实字幕、英语 / 日语 / 阿拉伯语 / 西班牙语四个目标语种，以及短、自然、长三档目标长度。下表选取 Index-Homura-9B 与全部八组外部基线配置进行对比。
| 模型 | 综合分 ↑ | 音节奖励 ↑ | 翻译质量 ↑ | 偏差 ≤10% ↑ | 控制斜率 ≈1 |
|---|---|---|---|---|---|
| Index-Homura-9B | 0.8660 | 0.9457 | 0.7863 | 81.92% | 0.968 |
| Index-Homura-2B | 0.7937 | 0.8259 | 0.7615 | 63.08% | 0.947 |
| Hy-MT2-7B | 0.6700 | 0.4839 | 0.8560 | 18.86% | 0.195 |
| Hy-MT2-30B-A3B | 0.6566 | 0.5577 | 0.7554 | 22.39% | 0.340 |
| Qwen3.5-9B | 0.5946 | 0.4708 | 0.7183 | 16.39% | 0.430 |
| Qwen3.5-35B-A3B | 0.5937 | 0.4011 | 0.7863 | 13.25% | 0.249 |
| Hunyuan-MT-7B | 0.5455 | 0.3722 | 0.7188 | 15.11% | 0.031 |
↑ 表示越高越好；控制斜率越接近 1 越好。加粗为本表该列最佳值；每个模型均评测 3,600 条。
综合分同时衡量长度控制与翻译质量。Hy-MT2-7B 的翻译质量分为 0.8560，高于 Index-Homura-9B 的 0.7863；Index-Homura-9B 的音节奖励为 0.9457，偏差不超过 10% 的比例为 81.92%，体现了针对配音长度约束的训练收益。
Index-Homura-9B 分语种结果
| 目标语言 | 评测条数 | 综合分 ↑ | 翻译质量 ↑ | 偏差 ≤10% ↑ |
|---|---|---|---|---|
| 英语 | 900 | 0.8675 | 0.7950 | 78.67% |
| 日语 | 900 | 0.8941 | 0.8300 | 86.67% |
| 阿拉伯语 | 900 | 0.8527 | 0.7661 | 79.89% |
| 西班牙语 | 900 | 0.8496 | 0.7539 | 82.44% |
Index-Native Long：长文档翻译
本次评测覆盖 GuoFeng、BWB 与跨领域书籍三套冻结测试集，包含中→英、英→中两个方向，共 274 例，测试 4K–64K tokens 五个长度档位。在 64K tokens 超长档位，Index-NaiLong 9B 在 GuoFeng 与 BWB 分别达到 0.7382 与 0.7440，跨领域书籍英→中翻译达到 0.8514；五档均值分别为 0.7891、0.7683 与 0.8848，均为全场最高。
GuoFeng · 中→英
| 模型 | 4K | 8K | 16K | 32K | 64K | 五档均值 |
|---|---|---|---|---|---|---|
| Index-NaiLong 9B | 0.7836 | 0.8074 | 0.8080 | 0.8084 | 0.7382 | 0.7891 |
| Index-NaiLong 2B | 0.7704 | 0.7796 | 0.6508 | 0.6036 | 0.5460 | 0.6701 |
| Qwen3.8 Flash | 0.7974 | 0.7956 | 0.7572 | 0.6826 | 0.4939 | 0.7053 |
| GLM-5.3-Flash（部分） | 0.7931 | 0.7957 | 0.7921 | 0.6018 | 0.5444 | 0.7054 |
| North-Small-Translate-1.0 (218A25B) | 0.7952 | 0.7914 | 0.7309 | 0.5272 | 0.2353 | 0.6160 |
| Hy-MT2-7B | 0.7334 | 0.2872 | 0.0197 | 0.0006 | 0.0001 | 0.2082 |
| Hy-MT2-30B-A3B | 0.7535 | 0.4566 | 0.1615 | 0.0142 | 0.0664 | 0.2904 |
BWB · 中→英
| 模型 | 4K | 8K | 16K | 32K | 64K | 五档均值 |
|---|---|---|---|---|---|---|
| Index-NaiLong 9B | 0.7733 | 0.7695 | 0.7790 | 0.7756 | 0.7440 | 0.7683 |
| Index-NaiLong 2B | 0.7688 | 0.7669 | 0.7201 | 0.7100 | 0.6843 | 0.7300 |
| Qwen3.8 Flash | 0.7683 | 0.7676 | 0.7387 | 0.6262 | 0.5106 | 0.6823 |
| GLM-5.3-Flash（部分） | 0.7632 | 0.7622 | 0.7107 | 0.6344 | 0.4748 | 0.6691 |
| North-Small-Translate-1.0 (218A25B) | 0.7717 | 0.7704 | 0.7715 | 0.6077 | 0.2196 | 0.6282 |
| Hy-MT2-7B | 0.7167 | 0.2387 | 0.0334 | 0.0024 | 0.0001 | 0.1983 |
| Hy-MT2-30B-A3B | 0.7301 | 0.4408 | 0.1432 | 0.0746 | 0.1103 | 0.2998 |
跨领域书籍 · 英→中
| 模型 | 4K | 8K | 16K | 32K | 64K | 五档均值 |
|---|---|---|---|---|---|---|
| Index-NaiLong 9B | 0.9016 | 0.8771 | 0.8958 | 0.8980 | 0.8514 | 0.8848 |
| Index-NaiLong 2B | 0.8908 | 0.8736 | 0.8735 | 0.8435 | 0.8439 | 0.8651 |
| Qwen3.8 Flash | 0.8945 | 0.8910 | 0.8837 | 0.8582 | 0.5756 | 0.8206 |
| GLM-5.3-Flash（部分） | 0.9045 | 0.8607 | 0.8974 | 0.8478 | 0.8871 | 0.8795† |
| CohereLabs/North-Small-Translate-1.0 (218A25B) | 0.8970 | 0.8952 | 0.8627 | 0.7873 | 0.7330 | 0.8350 |
| Hy-MT2-7B | 0.8246 | 0.3157 | 0.0335 | 0.0004 | 0.0057 | 0.2360 |
| Hy-MT2-30B-A3B | 0.8607 | 0.4395 | 0.1467 | 0.0097 | 0.1962 | 0.3306 |
注：评分采用 document-segale (max_size=8) 流程。加粗表示各列最高值；† 表示 GLM 在 Books 缺少 7 例（三域共计分 267/274 例），均值仅针对可计分子集。Gemini 3.8 Flash 因官方最大输出为 65,536 tokens，低于 64K 档预留的 131,072 输出预算，多次触顶，不列入主比较。North-Small 在 32K/64K 档为超出其官方 16K 支持范围的实验性扩窗结果。
评测基准 (Benchmarks)
为促进行业及学术界对实用翻译、复杂约束与端到端语音长文本能力的深入研究，我们正式开源四大评测基准与数据集。所有数据与元数据收录于 🤗 Index-Translate Benchmarks 合集，评测脚本、固定版本数据下载工具与运行指南见 GitHub benchmarks/ ↗。
| 评测基准 | 公开内容 | 数据下载 | 评测代码与说明 |
|---|---|---|---|
| instTrans | 3,000 条翻译指令任务；10 类约束（格式、术语、风格、句式等） | 🤗 InstTrans-Bench ↗ | GitHub · insttrans ↗ |
| MEME | 3,638 条中译英样例；包含 703 个网络热词、857 个词义 | 🤗 Meme-Translation-Bench ↗ | GitHub · meme ↗ |
| SandGlass | 3,600 条案例：300 句影视字幕 × 4 种目标语言 × 3 档严格长度预算 | 🤗 Sandglass-Bench ↗ | GitHub · sandglass ↗ |
| NAtIveLong | BWB / GuoFeng 各 84 条长文档案例的元数据、评测代码和获取说明 | 🤗 NAtIveLong ↗ | GitHub · nativelong ↗ |
注：NAtIveLong 不包含小说原文或参考译文；BWB 需自行获取官方语料，GuoFeng 提供本地重建工具。以上 instTrans 发布包不包含主评测表中的 2,793 条低资源扩展任务。评测脚本保留原有 Prompt；审查修复与验证范围记录在各目录的 RELEASE_REVIEW.md，历史成绩未重新评测。各 benchmark 的许可分别见其目录，不能直接套用仓库根目录许可。完整评测设置与 IFMTBench 处理说明见 GitHub 文档。
开始使用
Index-Translate 系列模型提供四类模型。选择你手中的内容和希望得到的输出，即可进入对应的体验页面或获取开源模型权重。全系列官方 GGUF（llama.cpp）、FP8 与 NVFP4（vLLM）量化权重已在 Hugging Face 集合 同步开放。
| 模型 | 版本 | 核心能力 | 体验入口 | 开源模型 |
|---|---|---|---|---|
| Index-Translate | 2B / 9B / 35B-A3B (preview) | 150 种语言文本与多模态图片翻译、指令控制、热梗理解 | 文本/图片翻译 ↗ |
|
| Index-Echo | 2B / 9B | 完全端到端 S2S、S2TT、6 种语言翻译配音 | 语音翻译 ↗ | |
| Index-Homura | 2B / 9B | 按目标音节比范围控制译文长度 | 音节控制翻译 ↗ | |
| Index-NaiLong | 2B / 9B | 超长文本生成、单本小说完整译文输出 | 长文档翻译 ↗ |
交流社区 (Community)
欢迎加入官方技术交流群，交流使用体验、反馈线上问题与建议。你也可以直接扫描下方二维码加入群聊。
Index-Translate 官方 QQ 交流群
960123527欢迎加入官方交流群，与开发者及模型用户一起交流使用心得、反馈线上问题、讨论提示词与术语干预技巧、获取最新版本发布与模型下载动态。
扫码加入群聊
社区开源项目与友情链接
感谢开发者基于 Index-Translate 打造的优秀衍生工具与开源应用：