近日，国际机器翻译会议WMT26公布通用机器翻译任务大赛的评测结果，阿里提交的两套翻译系统分别获得受限赛道和全赛道的综合第一：Qwen-MT-Lumen翻译模型被评为受限赛道的“Clear Winner”，在23个翻译方向中摘得18项冠军、3项亚军，单项第一数量最多；Wayfinder翻译Agent系统在全部参评系统的比较中有17个方向进入第一，并在非受限赛道取得5项第一、4项第二，被官方评价为唯一的“Best System Overall”。
WMT（Conference on Machine Translation）是机器翻译领域具有广泛影响力的国际会议，其年度评测汇聚国内外知名企业、高校及研究机构。本届评测共纳入46个系统，包括30个参赛系统，以及主办方加入的16个主流大模型和翻译服务，涵盖Gemini、GPT、Qwen、DeepSeek、Google Translate等，评测任务覆盖新闻、社交媒体、语音、富文本、教育和事实核查等6类领域的23个翻译方向，以完整文档为单位，通过人工考察译文的准确性、自然度，以及术语、语言风格和格式是否符合要求。
阿里参赛的两套系统均由阿里ATH MaaS团队与Qwen团队联合提交，分别代表翻译LLM与翻译Agent两条技术路线，是基模预训练与应用后训练技术深度结合、面向多语言翻译规模化落地的标杆实践。
本次联合研发结合了千问大模型的多语言基础能力与MaaS团队的翻译技术积累。Qwen团队提供多语言基础模型，MaaS团队结合翻译任务和实际业务开展专项优化。相关经验来自长期的阿里电商翻译实践，团队根据多语种、多品类场景中的业务反馈，持续发现并修复翻译问题，再将这些积累用于更广泛的通用翻译任务。据了解，Qwen基础模型支持超200种语言和方言，在海外与出海应用中广泛使用，WMT26报告也显示，Qwen是本届参赛系统使用最多的基础模型系列，共有9个系统采用。
两套系统采用了不同的优化方式。Qwen-MT-Lumen着重提升模型本身的翻译能力，以Qwen3-14B为主要翻译模型，符合受限赛道最终系统总参数少于200亿的要求。Lumen基于Qwen-MT模型强大的多语言能力，通过语言适配、质量偏好优化、能力蒸馏与异常修复等后训练，结合译文异常检查与修复，进一步提升原文理解、指令遵循和翻译准确性，并引入更大的Qwen模型作为“教师”，通过能力蒸馏帮助模型学习如何处理复杂的术语、风格和格式要求。更大的模型只参与训练，实际翻译仍由14B模型承担主要任务。
对于网页、软件等内容，Qwen-MT-Lumen只翻译指定文本，保留原有标签、字段和文档结构，并检查和修复重复内容、格式损坏等问题，减少后续整理格式的工作。在与全部参评系统的比较中，Qwen-MT-Lumen仍有13个翻译方向进入第一，部分方向的人工评分高于头部通用大模型。例如，在英译亚美尼亚语方向，其得分为83.4，高于Gemini 3.1 Pro的80.7和GPT-5.5的80.0。
Wayfinder则通过多模型协作处理翻译任务。系统先生成多份译文，再根据原文、术语和任务要求进行选择或整合。筛选时隐藏生成模型的名称，重点比较译文是否忠实、术语是否准确、是否满足用户要求。随后，系统检查遗漏、重复和格式错误，针对发现的问题进行修复，并尽量保留已符合要求的内容，减少反复改写带来的偏差。
WMT26评测报告还通过专项测试考察翻译幻觉和过度生成问题，包括译文是否偏离原文、是否无依据地添加内容。在全部5个受测翻译方向上，Qwen-MT-Lumen与Wayfinder的均优于GPT-5.5和Gemini 3.1 Pro。
Qwen-MT-Lumen与Wayfinder均为面向WMT评测定制的系统。同一技术体系下的Qwen-MT系列已上线阿里云百炼，并应用于Aidge、万镜一刻等产品。目前Qwen-MT系列日均调用量已超过10亿次。相关翻译产品覆盖文本、图片、文档和实时语音等场景，支持开发者和企业构建多语言应用。
