PFN 开源翻译专用模型 PLaMo 3 Translate，提供四个尺寸，可…
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载开放了什么、给谁用
PFN 把自家 AI 翻译服务 PLaMo 翻译 背后的翻译专用大模型 PLaMo 3 Translate 以开放权重方式放到 Hugging Face，下载后模型权重留在本地设备上运行。许可按主体规模划分：最近一个事业年度收入或销售额低于 10 亿日元的企业以及个人，适用 PLaMo 社区许可证，商用与非商用都可免费使用；超过这一范围若要商用，需要与 PFN 另行签订商用许可合同。PFN 表示，公开的目的是扩大生成 AI 基座模型 PLaMo 的认知度，并推动端侧 LLM 的开放式创新，设想场景包括旅游、商务和灾害应对。
四个尺寸与端侧运行
模型按参数量分为 0.8B、2B、8B、31B 四档，用户可依据想要的译文质量、响应速度、处理吞吐和实际使用的硬件来挑选。小尺寸面向手机、笔记本、可穿戴设备等算力有限的终端，不依赖网络连接即可完成翻译并即时返回结果；较大尺寸则可用于企业自有服务器，或嵌入自家产品与服务。由于推理在本地完成，原文与译文无需发往外部服务器，合同、研发资料、客户沟通文档等不宜外发的材料也能在符合企业信息管理要求的前提下翻译。
质量对比与可控性
PFN 公布的对比评估显示，PLaMo 3 Translate 中参数最少的版本，得分也超过了现有的翻译专用 LLM——Google 的 TranslateGemma 与腾讯的 Hy-MT2，这意味着没有大规模算力环境也能在本地获得较高质量的译文。除语言覆盖达到含日英在内的 53 种外，模型还提供两类控制手段：一是把原文上下文作为参考信息输入，并通过术语表指定专有名词、专业术语和产品名的对应译法；二是在译成日语时指定敬体（です・ます调）或常体（だ・である调）。
技术来源与获取方式
PLaMo 3 Translate 的基座是 PFN 与日本信息通信研究机构 NICT 共同研究得到的事前学习模型 PLaMo 3 NICT，PFN 在此基础上开发出翻译特化版本。四个尺寸各自在 Hugging Face 有独立模型页面，按 PLaMo 社区许可证获取，用户可以先在自己的电脑或手机上，用实际要处理的文档检验译文质量与速度，再决定是否引入。性能评估细节与开发过程另见 PFN Tech Blog。
为什么值得看
翻译模型开放权重且可端侧离线跑，对数据不能出内网、又需要多语翻译的团队可直接下载试。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。