【事件概述】 Tether AI Research（Hugging Face 账号 qvac）于 2026 年 9 月 2 日发布 TranslatePsy-Nano 紧凑型多语言机器翻译模型，包含面向欧洲语言的 EuroNano 和面向非洲语言的 AfriNano 两个系列。每个系列用单一检查点覆盖一组语言与英语的双向翻译，并提供 17M、31M 和 43M 参数级别的三个版本，主要面向浏览器、手机、桌面和边缘设备离线运行。 【模型与开发者】 模型：TranslatePsy-EuroNano、TranslatePsy-AfriNano 版本：Tiny（16.90M 参数）、Base-Memory（31.25M 参数）、Base（42.68M 参数） 开发者：Tether Data, S.A. de C.V. / Tether AI Research（QVAC） 官方发布日期：2026 年 9 月 2 日 仓库许可标识：Apache License 2.0 主要框架：Marian NMT、Bergamot、QVAC SDK 日期核对说明：开发团队在 Hugging Face 发布的技术文章明确标注 2026 年 9 月 2 日；本文采用该日期作为系列正式介绍日期，不把模型仓库的后续更新时间当成发布日。 【语言覆盖】 EuroNano 支持英语与 9 种欧洲语言互译：德语、西班牙语、法语、意大利语、葡萄牙语、捷克语、芬兰语、荷兰语和瑞典语。 AfriNano 支持英语与 8 种非洲语言互译：阿姆哈拉语、豪萨语、伊博语、林加拉语、索马里语、斯瓦希里语、约鲁巴语和祖鲁语。 模型以英语为中心：英语到目标语言时通过 ##DE、##FR、##SW 等标签选择输出语言；两个非英语语言之间的翻译需要先转成英语，再从英语转到目标语言，并不是原生直接语言对。当前列表不包括中文。 【关键能力与改动】 1. 单检查点多语言：每个方向用一个多语言模型替代多组独立双语模型，减少重复词表、模型切换和更新维护。 2. 面向 CPU 的架构：模型采用 6 层双向编码器、SSRU 解码器、交叉注意力和前馈层。SSRU 用轻量递归结构替代解码器自注意力，以降低 CPU 解码复杂度。 3. 三档部署规模：Tiny 面向浏览器和低内存设备，Base-Memory 在质量与内存之间折中，Base 优先追求翻译质量。三档都提供原始 FP32 和 INTGEMM INT8 推理文件。 4. 较小的量化文件：单个 INT8 模型约为 17 MB、31 MB 和 42 MB；如果同时下载英语到多语及多语到英语两个方向，模型卡列出的完整 bundle 约为 36 MB、65 MB 和 89 MB。两种口径不可混为同一个文件大小。 5. 本地运行：INTGEMM 文件可通过 QVAC SDK 的 Bergamot 引擎在 Node.js、Bare 和 Expo 中运行，并使用 macOS Metal 或 Windows/Linux Vulkan 后端，适合无网络或数据不出端的翻译流程。 6. 数据筛选：团队对公开平行语料进行长度、语言识别、重复、字符比例和翻译充分性筛选；EuroNano 训练集经处理后约含 2500 万句对和 10.2 亿 token。 【官方评测】 团队在 FLORES-200 devtest 上报告，EuroNano Base 的欧洲语言到英语平均 COMET 为 0.860，英语到欧洲语言为 0.826；与其测试中的 NLLB-200-600M 对比，团队将前一个方向概括为保留约 98.4% 的质量。AfriNano Base 在非洲语言到英语和英语到非洲语言方向分别报告 0.694 与 0.726 的平均 COMET。 CPU 吞吐测试使用双路 Intel Xeon Platinum 8480+、4 线程和指定 beam 配置；Android 测试使用 OnePlus 13。所有速度、内存和质量数字都依赖硬件、句长、语言方向、量化版本、批大小和解码参数，不能直接视为用户设备上的保证。 【适用对象】 TranslatePsy-Nano 适合需要离线翻译、隐私优先、本地 CPU 推理或较小应用包的浏览器扩展、移动应用、桌面软件和边缘设备。EuroNano 适合覆盖常见欧洲语种，AfriNano 则为多种资源较少的非洲语言提供统一部署路径。 对于需要中文、日语、阿拉伯语等未列语言，或需要数百种语言一次覆盖的系统，该系列并不适用。云端已有稳定大模型翻译服务、对极高翻译质量要求高于本地隐私和体积的业务，也应与更大模型进行实际比较。 【实际影响】 传统离线翻译经常为每个语言方向分别携带模型，语言数量增加后，安装包、缓存和升级复杂度会快速增长。TranslatePsy-Nano 把同一语言组并入单一模型，通过目标语言标签控制输出，使边缘应用能够在几十 MB 量级维护更多语言。 三档参数和 FP32/INT8 两类文件也让开发者可以按设备能力选择：研究和继续训练可保留 FP32，实际端侧推理可使用 INT8；质量优先选 Base，包体或内存优先选 Tiny。 【限制与使用提醒】 该系列是专用机器翻译模型，不是通用聊天模型。训练时最长句段为 120 token，长档、字幕和超长句需要先分段，并处理上下文、专有名词和格式复原。非英语语言互译依赖英语中转，误差可能在两次翻译中累积。 AfriNano 的部分训练数据由 NLLB-200-3.3B 反向翻译生成，可能继承教师模型偏差或不自然表达。低资源语言在方言、口语、混合语言和专业术语上的质量也可能低于平均基准，部署前应邀请母语者在真实文本上复核。 INT8 量化会带来轻微质量差异；端侧运行仍需要足够的运行内存，模型文件大小不等于峰值 RAM。模型卡中的 CPU 吞吐来自高规格服务器，不能据此估算普通手机或低功耗设备的速度。 两个仓库均显示 Apache-2.0 许可，但 AfriNano 模型卡同时使用了“研究和教育用途”的文字说明。需要商业集成的团队应在上线前核对仓库当前许可证文件、数据来源条款和 QVAC SDK 条款。涉及个人、医疗、法律或敏感信息时，即使离线运行也应加入访问控制、日志最小化和人工校对。 【官方来源】 QVAC 官方技术文章：https://huggingface.co/blog/qvac/translatepsy-nano EuroNano 模型卡：https://huggingface.co/qvac/TranslatePsy-EuroNano AfriNano 模型卡：https://huggingface.co/qvac/TranslatePsy-AfriNano