PLaMo 3 Translate 31B是什么
PLaMo 3 Translate 31B 是日本 Preferred Networks(PFN)在 2026 年 10 月 7 日推出的翻译专用模型,跑在它的 PLaMo 翻译服务里。它基于 PFN 与日本情报通信研究机构 NICT 共同研究得到的 PLaMo 3 NICT 预训练模型,由 PFN 做成翻译专用版本,最大尺寸 31B。这次更新把支持语言从日英两种扩到 53 种,新增覆盖 15 种语言的在线会议翻译,官方称日语翻译精度与 GPT-6 Astra 等前沿模型相当,而折算成本约每 10 万字符 14 日元。适合以日语为轴心的跨境商务、会议和文档多语言化,模型权重则计划后续以开放权重形式公开。
这套说法里有两个词需要摊开。官方对前沿模型用的措辞是「相当」,不是「超过」,只有对 DeepL 和 Google 翻译这类机器翻译服务才说「以上」,中文报道普遍写成「平均分优于 GPT-6.1 Sol 和 GPT-6 Astra」,比原文更强。另外 14 日元每 10 万字符不是账单上的实价,PLaMo 翻译至今没有公开 API,这个数字是按同世代 PLaMo API 的价格(输入每百万 token 60 日元、输出 250 日元)代入折算出来的,官方在技术博客里写明了这一点。
PFN 的日语翻译专用模型,支持 53 种语言,折算成本约每 10 万字符 14 日元
PLaMo 3 Translate 31B的主要功能
- 53 种语言,以日语为轴:上一代只做日英互译,这次扩到 53 种,会议翻译覆盖其中 15 种。要注意它服务的仍是以日语为输入或输出的场景,不是任意两种语言之间互译。
- 在线会议翻译:把 Zoom、Google Meet、Microsoft Teams 的会议链接指定给 PLaMo 翻译机器人,让它入会,浏览器专用页面就按发言人实时转写,并双向即时显示译文。同一场会有三种语言也能处理,它会自动判断每句话说的是哪种语言。
- 术语表登记:专有名词和行业术语可以预先录入,用来压制听错和误译,在术语密集的场合比较关键。
- 整页浏览器翻译:装了浏览器扩展以后,外文网页翻出来像是本来就写成日文的。
- 文件翻译保留版式:论文、资料整份翻译时保留原有排版,原文和译文可以左右并排对照,方便逐段校核。
- 英文添削:除翻译外还提供英文改写与校对,属于围绕同一套模型铺开的功能。
PLaMo 3 Translate 31B的技术原理
- 底座来自与 NICT 的共同研究:PLaMo 翻译的模型以 PFN 与日本情报通信研究机构(NICT)共同研究的事前学习模型 PLaMo 3 NICT 为基础,再由 PFN 做成翻译专用版本。这套 大语言模型 从数据收集、前处理到架构设计和训练基建都在日本国内完成。
- 训练规模是前代的数百倍:从上一代 plamo-2-translate 到 plamo-3-translate,训练 token 量和数据合成计算量都提高了数百倍,多语言对译数据这一代才正式纳入训练。
- 四项基准里有两项是自己出的:官方衡量日英与多语言翻译用的是 PFTB、SaaS 两项自研基准,加上公开的 WMT24++ 和 FLORES+,也就是「平均分」里有一半来自 PFN 内部的卷子。
- 自研分词器贡献了一半成本优势:PFN 自研分词器输出日本语时每 1000 字只需 447 个 词元,Claude Fable 5.1 要 893 个,GPT-6 Astra 要 744 个。在同样单价下,处理同样字数花的钱大约减半,按字数算的生成速度大约翻倍。
- 上一代的短板是官方自己点出来的:plamo-2-translate 写日文很流畅,但意译偏多,偶尔出现信息增补或遗漏,多语言能力也谈不上突出,这一代针对这两点重做了数据与训练。
PLaMo 3 Translate 31B如何使用
- 网页端直接试:打开 PLaMo 翻译站点就能用,日英互译单次上限 5000 字符,其他语言 2000 字符。免费试用时输入内容可能被用于模型改进。
- 浏览器扩展:装好之后整页翻译,适合每天读外文报道和技术文档的人。
- 会议翻译:在会议翻译页面提交 Zoom、Google Meet 或 Teams 的会议链接,机器人入会后在专用页面看实时转写和双向译文,目前开放免费试用。
- 促销到 11 月底:Lite 个人版前两个月免费,其他套餐打折,会议翻译的使用上限翻倍。
- 权重还没放出:官方说计划把这代翻译模型做成多个尺寸,以开放权重形式在 PLaMo 社区许可下公开,但目前尚未发布,现在只能用服务形态。
PLaMo 3 Translate 31B的核心优势
- 折算成本是主要卖点:官方口径是每 10 万字符约 14 日元,不到海外前沿模型和机器翻译服务的十分之一。在官方给出的日英性能图上,只有 Claude Fable 5.1 的位置比它高,而成本约是对方的八十五分之一。
- 日语知识储备厚:基础模型的训练数据里日语占比接近 30%,官方称远高于前沿模型,这也是它处理日语特有语境与表达更自然的原因。
- 对机器翻译服务有盲评胜率:用 Gemini 3.1 Pro 当裁判做双向盲评,对 DeepL 在 PFTB 英译日赢 87%、日译英赢 58%,对 Google 翻译在 SaaS 基准英译日赢 91.47%。
- 数据处理在日本国内闭环:素材不出境,机密合同和内部资料也能处理,这是和调用海外接口最实际的差别。
- 已有政务与企业落地:PLaMo 翻译已经被日本数字厅的政府 AI 环境「源内」导入,PLaMo 系列也被约 800 个地方自治体使用的服务采纳。
PLaMo 3 Translate 31B的同类竞品对比
这次选 Claude Fable 5.1 作参照,因为它是 PFN 自己的日英性能图上唯一超过 PLaMo 3 Translate 31B 的模型,也是这条赛道上位置最高的那个。
| 对比维度 | PLaMo 3 Translate 31B | Claude Fable 5.1 |
|---|---|---|
| 日英翻译精度 | 略低,官方图中唯一超过它的模型 | 图中最高 |
| 折算成本 | 约为对手的八十五分之一 | 参照基准 |
| 日本语输出词元效率 | 每 1000 字 447 个 | 每 1000 字 893 个 |
| 语言覆盖 | 以日语为轴的 53 种 | 通用多语言,不限日语轴 |
| 对外接口 | 无公开 API,权重计划公开 | 有公开 API |
这张表里有几件事要讲清楚。第一,官方对前沿模型说的是「相当」,不是「超过」,新闻稿原文写的是与 GPT-6 Astra 等前沿模型同等精度、成本更低,只有对 DeepL 和 Google 翻译这类机器翻译服务才用「以上」。第二,确实有一个模型比它强,就是表里的 Claude Fable 5.1,这一点官方在技术博客里主动写了出来。第三,成本数字是折算值,PLaMo 翻译没有公开 API,14 日元是按同世代 PLaMo API 的输入 60 日元、输出 250 日元每百万 token 代入算出来的,换一套单价假设,倍数就会变。第四,四项基准里有两项是自研的,PFTB 和 SaaS 都由 PFN 内部制定,公开的 WMT24++ 已经达到饱和,各家分数几乎一样。第五,「超过 DeepL 和 Google 翻译」用的是 LLM 当裁判的盲评胜率,裁判是谷歌的 Gemini 3.1 Pro,而且在 PFTB 日译英这一项上对 DeepL 的胜率只有 58%,接近五五开。第六,多语言只有 13 种语言有公开分数,其余做了训练但没有实测数据。第七,权重目前还没公开,官方措辞是「计划」。想了解大模型在能力与成本之间取舍的另一条路线,可以对照我们写过的 Claude Haiku 5.5。
PLaMo 3 Translate 31B的官方地址
- PFN 发布公告:https://www.preferred.jp/ja/news/pr20261007
- PLaMo 3 Translate 技术博客:https://www.preferred.jp/ja/blog/tech/plamo-3-translate-product-release
- PLaMo 翻译服务页:https://translate.preferredai.jp/
- PLaMo 社区许可说明:https://plamo.preferredai.jp/info/plamo-community-license-ja
PLaMo 3 Translate 31B的应用场景
- 跨境会议与商谈:多国籍团队的例会、和海外客户谈生意,把会议链接交给翻译机器人就能看实时译文,不用再有人中途做口译记录。
- 合同与技术文档:法务、制造、研发这类需要长文档精确表述的场景,文件翻译保留版式便于左右对照逐段校核。
- 涉密与合规材料:服务的数据处理在日本国内闭环,PLaMo 翻译已在日本数字厅的政府 AI 环境中导入,适合对数据出境敏感的机构。
- 产品本地化:游戏、软件、电商的日文内容批量处理时,折算成本决定了能不能铺到全量而不是只做抽样。
- 个人与小团队:浏览器扩展加网页端足够日常使用。同类翻译工具还可以参考我们写过的 Index-Translate,按整类看可以走 AI 办公工具。




