PLaMo 3 Translate（PFN 翻译专用模型）

是什么

PLaMo 3 Translate 是日本公司 Preferred Networks（PFN）训练的翻译专用模型系列，共有 0.8B、2B、8B、31B 四种参数规模，可在 53 种语言之间互译^[1]。其中最大的 31B 版本，其权重于 2026 年 10 月 26 日上传到 Hugging Face^[1]。

参数量大致对应模型的容量：0.8B 这一档小到可以在普通硬件上运行，31B 则属于需要在 GPU 上部署的一档。四种规模出自同一套训练方法和同一批发布格式，所以小尺寸并不是摆设——PFN 表示，连 2B 版本在其比较过的每一项指标上都超过了那些翻译专用模型^[1]。

由来

它的底座是 PLaMo 3 NICT，这是一个由 PFN 与日本情报通信研究机构（NICT）联合开发的预训练模型^[1]。PFN 随后在这个底座上，用数百亿 token 的翻译数据继续训练^[1]。也就是说，翻译能力是在一个通用预训练模型之上继续训练出来的，而不是为翻译任务从零搭建。这也是如今专用模型的常见做法：先取一个已经装了大量语言知识的宽底座，再把新增的训练集中到想要的那一种行为上。

不止逐句翻译

模型可以把上下文和术语表纳入考虑^[1]。对实际翻译工作来说，这两点各有用处：上下文让它在整段文字里保持指代和称谓一致，而不是把每句话单独切出来翻；术语表则规定某个词必须怎么译，这在机构有自己的标准译法时是硬性要求。日文输出方面，它可以在平实体和敬体之间切换^[1]。训练时输入与输出合计最长 32,768 个 token^[1]，因此原文、随原文一起给出的上下文和术语表，以及译文本身，都要装进这个长度预算里。

成绩

31B 模型在 BF16 精度下的得分为：PFTB 0.6244、SaaS 0.5786，WMT24++ 上的 COMET-22 为 0.8799^[1]。COMET-22 是一种学习得到的指标，它不数词的重合，而是把候选译文与参考译文相比，看意思保留得如何，分数越高越好。在 FLORES+ 上用 chrF++ 衡量，日语对另外 14 种语言为 37.81，英语为 56.61^[1]。chrF++ 是字符级的重合度指标，对日语这类词与词之间不空格的文字比较合用。这两组数字对应的是不同的语言对集合，彼此不宜直接比较。

发布格式与许可

四种规模都提供 FP8、W4A16、W4AFP8、NVFP4、GGUF 和 MLX 六种变体^[1]。低精度格式用更少的位来存储权重，能降低模型占用的显存、通常也加快推理，代价是数值精度有所损失；GGUF 和 MLX 是常见的本地推理运行时使用的格式，其余几种面向 GPU 上的部署。

许可为 PLaMo Community License：个人与学术用途免费，商业用途另有一套条款^[1][2]。

在发展中的位置

在 53 种语言里，公开的评测没有给一个笼统的总分，而是把日语和英语分开列出，FLORES+ 那张表也是围绕「日语对其余 14 种语言」组织的^[1]。再加上可以输出平实体与敬体两种日文，可以看出这个系列的重心在日语相关的翻译工作上。四种规模、每种六种格式，再加上把个人与学术用途和商业用途分开处理的许可，这套发布方式的用意是让同一族模型既能在笔记本上试用，也能在服务器上部署，而不必中途换用别的模型。