百炼 9 月上了一个翻译模型 qwen-mt-uni，官方描述是「全模态翻译，覆盖 152 个语种，文档与音频翻译为核心」。
我花了一个下午把它四类输入都跑了一遍，顺便测了同一批内容在不同模型上的表现。
这篇文章讲三件事：它能做什么、它的边界在哪、一次多少钱。
一、能力面
四类输入，三种输出形态：
| 输入 | 输出 | 计费通道 |
|---|---|---|
| 文本 | TranslatedTexts 字符串数组 |
文本 65 元/百万 token |
| 文档（Txt/PDF/Word/PPT/Excel） | 成品文件下载链接 | 文档 20 元/百万 |
| 图片 | 翻译后的图片 | 图片 32 元/百万 |
| 音频（语音/视频音轨） | 翻译后的音频 | 音频 400 元/百万 |
关键差异：后三类返回的是文件，不是字符串。
这是它和通用大模型最本质的区别。通用模型给你一段可以复制的话，它给你一个能直接发给客户的文件。
跨境场景要的就是这个：说明书要 PDF，海报要图，客服语音要能播。
二、接入
bl 命令行没有翻译子命令，走 HTTP 直调。
端点不是翻译专用的：
POST /api/v1/services/aigc/multimodal-generation/generation
参数结构：
{
"model": "qwen-mt-uni",
"input": {
"source_texts": ["..."],
"target_lang": "English"
}
}
文件翻译把 source_texts 换成 fileUrl，值必须是公网可访问的地址（OSS 加 --acl public-read 即可）。
返回结构统一在 output.Data 下：
- 文本：
TranslatedTexts - 文件：
TranslatedFileUrl（带签名，有时效，要立刻下载）
FileType 字段会标明 strings / document / image / audio，可以做分支。
三、三条建议先做的事
先确认内容形态。 文本和文档的单价差三倍，但文档需要你先上传成公网 URL。如果内容本来就在文档里，别拆成文本发。
图片翻译前先看排版。 模型会替换文字，但不会重排版式。行高、字号、对齐都需要人工调。
音频先转 m4a。 WAV 不认这件事没有文档提示。
四、实测发现
文档：格式在，编号乱
一份说明书，原文「一、安装方法 / 二、注意事项 / 三、保修条款」。
译文：「1. Installation Instructions / II. Precautions / III. Warranty Terms」。
同一份文件出现三种编号体例。内容对，排版要返工。
图片：字换了，版式崩
一张英文海报，三行文字全部替换成功，但：
- 标题与副标题合并成一行
- 「无谷物」断行成「无谷 / 物」
- 美元符号没有本地化
- 商品图上的小字不处理
音频：WAV 不认
| 格式 | 结果 |
|---|---|
| WAV（PCM 16bit 24kHz） | 400 file is not a readable audio file |
| m4a（AAC） | 200，输出 mp3 |
术语表静默失效
input.terminology 传进去，返回 200，译文不变，也不报错。
内容审核
韩语「어쩔티비」触发 DataInspectionFailed。同一个词在通用模型上可以正常翻译。
四、一个需要注意的选择
我也测了同样的内容给 qwen3.8-max、kimi-k3、deepseek-v4.1-flash、glm-5.3。
20 个日韩网络热梗，翻译专用模型对了 2 个，四个通用模型分别对了 19、19、18、17。
这不是缺陷报告，是定位说明。
qwen-mt-uni 的产品约束是「严格对应、不增译漏译」。这个约束让它在合同、说明书、财报上可靠，在弹幕、字幕上不可用。
选型建议：
- 要成品文件：
qwen-mt-uni - 要人话：通用模型
- 要便宜：文档通道
五、成本
四类通道单价差 20 倍：
文本 65 / 文档 20 / 图片 32 / 音频 400（元每百万 token）
一本 20 页、八千字的手册：
- 当文本发：约 0.52 元
- 打包成文档发：约 0.16 元
内容一样，差三倍。
实测这轮（文档、图片、音频各一次，加 20 个热梗三模型对照）总共不到 0.2 元。
音频最贵，7 秒的语音 177 个 token，约 0.07 元。折算成分钟，约 0.6 元每分钟。
六、成本怎么估
按内容形态估：
- 纯文本：字数 × 2（输入输出）× 65 元/百万
- 文档：字数 × 2 × 20 元/百万
- 图片：一张约 1900 token × 32 元/百万，约六分钱
- 音频：每秒约 25 token × 400 元/百万，一分钟约 0.6 元
四类里音频最贵，文档最便宜。同一个需求，选对形态能省一半以上。
举个具体的：一万字的客服话术库，走文本通道约一块三，走文档通道四毛，差三倍。一个月翻五次，差的不是钱，是习惯，一个月下来就看得出来了。
七、适合谁
跨境卖家：说明书、listing、详情页图，一次出成品文件。
本地化团队：初翻交给模型，人工只做排版校对和术语统一。
需要音频翻译的场景：会议录音、客服质检、视频字幕轨。
不适合：需要语感很细的社交内容、需要当天时效的新闻、需要逐条标注来源的学术写作。
