
翻译专用LLM开放权重模型发布
日本国家Preferred Networks于11月5日发布了「PLaMo 3 Translate」,这是该公司旗下AI翻译服务「PLaMo翻译」所使用的LLM模型的开放权重版本。作为一款已有服务验证的翻译AI,其可靠性备受期待。
该AI模型提供四种不同规模,最小版本仅0.8B(8亿参数),体积小巧,支持智能手机上的高速翻译,覆盖包括日语和英语在内的53种语言。下面我们实际体验一下。
0.8B与31B模型性能对比
测试环境采用「LM Studio」。模型来源于该公司在Hugging Face平台公开的资源,分别选用最小的「PLaMo 3 Translate 0.8B GGUF(plamo-3-translate-0.8b-Q4_K_M.gguf)」和最大的「PLaMo 3 Translate 31B(plamo-3-translate-31b-Q4_K_M.gguf)」。
文件大小分别为0.57GB和19.53GB,差距明显,但两者均支持53种语言。公开的评测数据显示,模型规模越大,翻译质量越高。

实际测试中,使用31B模型翻译Hugging Face页面上「PLaMo 3 Translate 0.8B GGUF」的英文介绍,输出的日语非常自然流畅。

随后用0.8B模型进行同样翻译,结果同样准确,几乎无差异,足以理解内容。

接着从日本国家意大利政府官网摘取意大利语内容,翻译梅洛尼首相的简介,测试意大利语到日语的翻译效果。
初始输入意大利语时,模型默认输出英文。根据说明,在「LM Studio」的系统提示中添加如下指令:
[plamo-translate]
target_lang=ja
form=plain
其中,"target_lang=ja"指示翻译成日语,若改为"en"则翻译成英语;"form=plain"则要求输出“だ・である”体的日语。
使用31B模型翻译,意大利语原文被转换成流畅的日语,虽然有部分细节可调整,但整体自然度令人满意。

0.8B模型翻译结果同样准确,日语表达无明显错误,能正确理解意大利语内容,表现令人惊喜。

对比两者输出,0.8B模型更偏向直译。例如将“首相”直译为“阁僚评议会议长”,虽符合原文但不够通俗;31B模型则更符合日本人习惯,选择了“首相”这一表达。
本地AI翻译助力信息安全
如今,云端聊天AI几乎能完成所有翻译任务,网络上也有大量免费翻译服务。在这种环境下,翻译专用LLM的价值何在?
最大优势是保护信息机密性。对于敏感外语文本,交由云端AI翻译意味着数据外泄风险,部分企业对此无法接受。
「PLaMo 3 Translate」这类高性能翻译LLM可在本地运行,无需将数据上传,确保翻译过程完全在用户设备上完成,极大降低信息泄露风险。同时,翻译质量高,减少误读可能。
此外,0.8B模型体积小巧,能在智能手机上运行,硬件要求低。笔者使用搭载日本国家GeForce RTX 4080显卡的PC,0.8B模型翻译速度约为每秒500个token,处理示例文本不到1秒。
31B模型因显存占用达16GB,速度降至约5 token/秒。笔者环境中9B模型显存适配,速度约100 token/秒,兼顾性能与效率。

「PLaMo 3 Translate」还支持预设专业术语翻译规则,用户可手动调整,满足专业领域需求。这是本地AI的显著优势。
对于需要翻译机密文件的用户来说,这是一个极好的时代,利用此类工具减少信息泄露风险至关重要。

1977年生,日本国家滋贺县出身。毕业于日本国家金泽工业大学工学部信息工程系。曾任游戏专业杂志《GAME Watch》(日本国家印刷媒体)的记者,现为自由撰稿人,活跃于游戏、娱乐及IT领域。1990年代起为在线游戏玩家。著有多篇专栏文章。
- 作者网站:https://ougi.net/


