跳到正文
gihyo.jp·· 16 天前AI 評分65

PFN 公開 PLaMo 3 Translate 模型權重,提供 0.8B 至 31B 四種尺寸

PFN、翻訳特化LLM「PLaMo 3 Translate」のモデル重みを公開、0.8Bから31Bまで4サイズ

AI 導讀

Preferred Networks(PFN)公開翻譯專用大語言模型「PLaMo 3 Translate」的模型權重。模型提供 0.8B、2B、8B、31B 四種尺寸,可下載並在本地執行,支援 53 種語言互譯,另有多種量化版本及 GGUF、MLX-4bit 格式。

正文

Preferred Networks(PFN)は2026年11月5日、翻訳特化LLM「PLaMo 3 Translate」のモデル重みをHugging Faceで公開した。モデルは0.8B、2B、8B、31Bの4サイズ(Bは10億パラメーター)で、利用環境にあわせてモデルを選び、ダウンロードしてローカルで実行できる。

PLaMo 3 Translateは、PFNと情報通信研究機構(NICT)の共同研究による事前学習モデル「PLaMo 3 NICT」を基盤に、PFNが翻訳向けの追加学習を行ったモデル。翻訳サービス「PLaMo翻訳」ではすでに提供されている。

53言語の翻訳に対応⁠、PCやMacで実行可能

公開されたモデルは、日本語と英語の相互翻訳に加え、中国語、韓国語、フランス語などを含む53言語間の翻訳に対応する。翻訳する文章の前後の文脈や翻訳用語集を与えたり、日本語の訳文の文体を常体・敬体から選んだりする機能も備える。

サイズごとに、量子化していないBF16版と、メモリ使用量を抑えた量子化版(FP8、W4A16、W4AFP8、NVFP4)を用意している。GGUF・MLX-4bit形式でも配布している[1]。モデルの一覧はHugging Faceのコレクションで、実行方法や翻訳オプションの詳細は各モデルのモデルカードで確認できる。

小型モデルの利用例として、PFNは0.8Bモデルをスマートフォン上で動かし、機内モードでも翻訳する社内デモを紹介している。

日英翻訳などで⁠、0.8BモデルがTranslateGemmaやHy-MT2を上回ると報告

PFNはベンチマークを使い、PLaMo 3 Translateと、Google DeepMindのTranslateGemma、TencentのHy-MT2の翻訳性能を比較した。日英翻訳と日本語・多言語間の翻訳では、最小の0.8Bモデルでも、TranslateGemmaの27BモデルやHy-MT2の30B-A3Bモデルを含む、比較した各モデルより高いスコアを記録したという。英語・多言語間の翻訳では、2B以上のモデルで同様に高いスコアを記録したとしている。

PFNが公開したグラフは、横軸が総パラメーター数、縦軸が翻訳スコアで、上にあるほど評価が高い。日英翻訳は3つのベンチマークの平均スコア[2]、多言語翻訳はFLORES+のスコア[3]で示している。

【ブログ】翻訳特化LLM PLaMo 3 Translateのモデル重みをリリースしました。0.8B / 2B / 8B / 31Bの4パターンで、いずれも世界最高レベルの翻訳能力です。ダウンロードして、ローカルで試せます。開発秘話を描いたTech Blog: https://t.co/qoumKi5LNx Hugging Face: https://t.co/AxzZYYbc9f

— PFN Tech (@preferred_jp) November 5, 2026

学習データを改善し⁠、31Bモデルから小型モデルへ蒸留

PFNは、学習に使う原文と訳文の組み合わせ(対訳データ)の品質を重視したという。まず大量の対訳データを使ってモデルに翻訳の基礎を学ばせ、次に、ブラウザ翻訳やファイル翻訳などの用途を想定した、より高品質なデータで追加学習を行った。

対訳データの大半は、Webなどから集めた文章をLLMのGemma 4 31B ITで翻訳し、原文と訳文を組み合わせて作成した。訳文の質を高めるため、「⁠トーナメント式データ合成」を用いた。複数の翻訳候補を2つずつ比較し、良いほうの訳文にもう一方の良い点も取り込む処理を、トーナメント形式で繰り返した。

さらに、LLMの訳文だけでなく、人が書いた自然な文章も出力の手本にするため、「⁠逆翻訳」のデータを加えた。LLMが作った訳文を元の言語へ翻訳するように学習させ、その正解には収集した原文を使っている。ただし、原文をそのまま正解にできるとは限らないため、自然な表現を保ちながら、訳文の内容に合うように原文を調整したという。

ブラウザ翻訳やファイル翻訳などを想定した追加学習用データには、「⁠反復的自己蒸留」も用いた。その時点のPLaMoモデルが出した翻訳候補をトーナメント式に改善し、既存の訳文より良いものを学習データに採用して、モデルを再び学習させる工程を繰り返したとのこと。

さらに、PLaMo 3 Translateの31Bモデルの仕上げにはDPO(Direct Preference Optimization)を用い、同じ原文に対する良い訳文を、劣る訳文よりも生成しやすくするように学習させている。8B以下のモデルでは、対訳データでの学習とDPOの間に、完成した31Bモデルの翻訳能力を学ばせる「蒸留」を加え、小型モデルの性能を高めている。

非商用利用は無償⁠、商用利用は収入⁠・売上に応じた条件

モデルはPLaMoコミュニティライセンスに基づいて公開されている。PFNの案内によると、個人の学習・趣味などの私的利用や、学術用途を含む非商用利用は無償で、事前登録も不要。

商用利用では、利用者またはその関係会社の直近事業年度の収入または売上が10億円以下の場合、専用フォームで事前登録すれば無償で利用できる。10億円を超える場合は別途ライセンス契約が必要となる。

來源:gihyo.jp · gihyo.jp