総パラメータ数が30倍以上大きい翻訳モデルを、8億パラメータのモデルが日英翻訳で上回りました。PFNがPLaMo 3 Translateの公開に合わせて示した、自社の評価結果です。ただし、どの言語の組み合わせでも同じことが言えるわけではありません。比較が成り立つ範囲と、商用で使うときのライセンスの読みどころを整理します。
Preferred Networks（PFN）は2026年11月5日、翻訳に特化した大規模言語モデル「PLaMo 3 Translate」をオープンウェイトで公開した。PFNと国立研究開発法人情報通信研究機構（NICT）の共同研究で得た事前学習モデル「PLaMo 3 NICT」を基盤とし、サイズは0.8B（8億パラメータ）、2B、8B、31Bの4種類で、日本語と英語を含む53言語に対応する。スマートフォンや社内サーバなどで動かせ、原文と訳文を外部に送らずに翻訳できる。文脈と用語集を指定でき、日本語訳では敬体・常体も選べる。
ライセンスはPLaMoコミュニティライセンスで、非商用は登録不要、商用も事前登録のうえ、利用者と関係会社の直近事業年度の収入または売上が10億円以下なら無償で利用できる。
From: 
PFN、世界最高水準のAI翻訳がエッジで可能な大規模言語モデル PLaMo 3 Translate をオープンウェイトで公開
【参考動画】
【編集部解説】
今年に入り、「端末の中で動く翻訳特化モデル」の公開が続いています。1月にはGoogleが55言語に対応するTranslateGemma（4B・12B・27B）を、5月にはTencentが33言語に対応するHy-MT2（1.8B・7B・30B-A3B）を公開しました。PLaMo 3 Translateは、この流れに日本の開発元が正面から加わったモデルです。PFNが比較の相手に選んだのも、まさにこの2つです。
比較の結果は、技術ブログの表現に沿って読むのが正確です。PFNの評価では、最小の0.8Bが、日本語⇄英語と日本語⇄多言語の2つで、比較した既存の翻訳特化モデルをすべて上回りました。相手には、総パラメータ数が30倍以上大きいモデルも含まれます。
英語⇄多言語では、すべてを上回るのは2Bからです。0.8Bのスコアは54.44で、比較図から読み取るとTranslateGemma 27B（約54.4）とほぼ並び、Hy-MT2の7Bと30B-A3B（いずれも約55）をわずかに下回ります。プレスリリースは「最小モデルでも上回る」と言語の方向を区切らずに書いているため、今回の評価の範囲で見る限り、英語と他の言語の間の翻訳が中心なら、2B以上を目安に考えるとよさそうです。
比較の数値は、いずれもPFN自身による評価です。日英の数値は社内ベンチマーク2つ（PFTB、SaaS）と公開ベンチマークのWMT24++の平均で、多言語の数値はFLORES+を使い、日本語または英語と14言語との双方向の翻訳を測ったものです。
そのうえで、日本語を軸にした翻訳で、1Bに満たないモデルがこの位置に届いたことの意味は大きいと考えます。0.8Bの重みファイルは、BF16版で1.78GB、4ビットに量子化したGGUF版（Q4_K_M）で0.57GBです。量子化しても、PFTBのスコアは0.5862から0.5832への低下にとどまります。スマートフォンや手元のノートPCで、通信せずに翻訳を動かせる大きさです。PFNは0.8Bをスマートフォンに載せ、機内モードのまま翻訳する社内デモを示しました（デモ用のアプリは公開していません）。
配布の仕方にも、使う側への配慮があります。各サイズにBF16、FP8、W4A16、W4AFP8、NVFP4、GGUF、MLX-4bitの7形式がそろい、NVIDIAのGPUならvLLM、CPUならllama.cpp、AppleシリコンならMLXと、手元の環境に合わせて選べます。
小さなモデルがここまで伸びた理由として、技術ブログは学習データの改良と蒸留を挙げています。0.8Bは追加学習（SFT）を終えた段階で、日英の平均スコアが0.658に達し、前の世代のPLaMo 2 Translate（8B）の0.612を上回りました。そのあと31Bを教師にした蒸留で、0.8Bの日英スコアは0.671に、日本語⇄多言語は33.8から36.0に上がっています。伸び幅は、小さいモデルほど大きくなりました。
開発の判断にも、翻訳への姿勢が表れています。強化学習の手法の1つであるGRPOは、自動評価のスコアを上げたものの、人による評価で訳文の流暢さが下がる傾向が見られたため、採用されませんでした。点数よりも、人が読んで自然な訳を選んだということです。訳文データの合成にGoogleのGemma 4 31B ITを使ったことも、オープンなモデルが互いを足場にして進む、いまの開発の姿を映しています。
ライセンスは、使い方によって条件が分かれます。個人の学習や趣味といった私的な利用と、学術目的を含む非商用の利用は無償で、登録も要りません。商用で使うには、PFNの登録ページへの事前登録と、利用者またはその関係会社の直近事業年度の収入・売上が10億円を超えないことが条件です。社内での利用も商用に含まれ、利用者だけでなく関係会社の売上も条件に含まれるため、企業の担当者はまずここを確かめておくと安心です。10億円を超える企業は、PFNと商用ライセンスを結んで利用できます。
翻訳を使う人にとって大切な条項もあります。ライセンスは、翻訳のように入力を変換するだけのモデルを「変換モデル」と定め、その出力は、PLaMoの出力であることを明示しなくても公表できるとしています。ただし、書籍や論文などの全部または実質的な部分に使う場合は、奥付や謝辞などにPLaMoで翻訳した旨を記すよう求めています。また、PLaMoの訳文で別のモデルを学習させると、そのモデルにもこのライセンスが及びます。条文はこれと合わせて、訳文（訳文を含むデータセットも含む）を第三者に提供・公開するときには、それを使って学習したモデルにこのライセンスが適用されることを、相手が分かる方法で示すよう定めています。
モデルそのものを第三者に提供する場合の条件もあります。契約書のコピーを渡して条件を守らせること、「Built with PLaMo」と表示すること、PLaMoを使って作ったAIモデルの名称に「PLaMo」を含めること、そして他のライセンスが適用される部分があれば、その条件も守らせることです。
ライセンスの条文には、2026年11月9日付の改定日が記されています。プレスリリースも公開当日に、条件を「10億円未満」から「10億円以下」に訂正しました。使い始める前に、その時点の条文を確かめておくのが確実です。
基盤となったPLaMo 3 NICTは、PFNとNICTの共同研究から生まれた事前学習モデルです。日本の企業と公的研究機関が育てた基盤から、手元で動く翻訳モデルが誰でも試せる形で出てきたことになります。
対応する53言語には、英語や中国語、韓国語に加えて、ベトナム語、インドネシア語、タガログ語、ネパール語、ミャンマー語なども含まれます。観光地での案内や災害時の多言語対応、日本で暮らす外国の人たちとの日々のやりとりを、通信に頼らずに端末の中で支えられるようになれば、翻訳は「クラウドに頼む機能」から「どこにでも組み込める部品」へと変わっていきます。PLaMo 3 Translateは、その部品の有力な選択肢の1つになりそうです。
【関連記事】
Google、オープン翻訳モデル「TranslateGemma」発表。55言語対応、ローカル実行可能で翻訳の民主化へ
Googleのオープン翻訳モデルTranslateGemmaの発表を伝えた記事。55言語に対応し、ローカルで実行できる。
Tencent Hunyuan「Hy-MT2」公開、33言語対応の翻訳特化AIが440MBでスマホ動作へ
Tencent Hunyuanの翻訳特化モデルHy-MT2の公開を伝えた記事。33言語に対応し、スマートフォンでの動作を想定する。
PLaMo 3.0 Prime正式リリース｜国産生成AIが「日本語で考える」段階へ
PFNの国産生成AI基盤モデル「PLaMo 3.0 Prime」の正式リリースを伝えた記事。PLaMo 3系の既報にあたる。
【編集部後記】
技術ブログを読み進めて手が止まったのは、開発期間を通じて学習の方式や設定をほとんど変えず、データを磨き続けるだけで性能が上がり続けた、という一文でした。前の世代ではDPOによる伸びが目立ったのに対し、今回はSFTの段階で大きく伸びたといいます。
新しい手法の名前が次々に並ぶ分野で、成果の多くが訳文データの地道な手入れから生まれている。手元の端末で返ってくる訳文の一行に、どれほどの手入れが積み重なっているのか。0.8Bという小ささは、その答えの一つなのかもしれません。
【用語解説】
オープンウェイト
学習済みモデルの重み（パラメータ）を公開し、利用者が自分の環境にダウンロードして動かせるようにする提供形態。学習データや学習コードまで公開するとは限らず、利用条件はモデルごとのライセンスで定められる。
量子化（BF16・GGUFなど）
モデルの重みを表す数値の精度を下げ、ファイルの大きさと必要な計算資源を減らす手法。BF16は量子化前の基準となる16ビットの数値形式で、GGUFはllama.cppなどで使われるファイル形式である。精度を下げるほど軽くなるが、性能がわずかに落ちることがある。
蒸留
大きな「教師」モデルの出力を手本にして、小さな「生徒」モデルを学習させる手法。PLaMo 3 Translateでは31Bを教師として、0.8B・2B・8Bを学習させた。
SFT（教師ありファインチューニング）
入力と正解の組（翻訳なら原文と訳文）を使って、事前学習済みのモデルを特定の用途向けに追加で学習させる工程。
GRPO
強化学習の手法の一つ。複数の出力を生成して評価し、相対的に良い出力が出やすくなるようにモデルを更新する。PLaMo 3 Translateの開発では試されたが採用されなかった。
FLORES+／WMT24++
機械翻訳の評価に使われる公開ベンチマーク。FLORES+は多数の言語で同じ内容の文を対訳にしたデータセット、WMT24++は機械翻訳の国際的な評価の場であるWMTに由来する評価用データである。
30B-A3B
TencentのHy-MT2の最大モデルの名称。TencentはこのモデルをMoE（混合エキスパート）構成としている。MoEは、内部に複数の専門ネットワークを持ち、入力ごとにその一部だけを使って処理する方式である。
【参考リンク】
株式会社Preferred Networks（外部）
深層学習の研究開発を手がける日本の企業。生成AI基盤モデルPLaMoシリーズを開発し、PLaMo 3 Translateを公開した。
NICT-情報通信研究機構（外部）
情報通信分野を専門とする日本の国立研究開発法人。PFNとの共同研究で、PLaMo 3 Translateの基盤となる事前学習モデルを生んだ。
pfnet/plamo-3-translate-0.8b（Hugging Face）（外部）
PLaMo 3 Translate 0.8Bのモデルカード。使い方、形式別の容量とベンチマーク、53言語の一覧、ライセンスの区分を掲載。
PLaMoコミュニティライセンス（外部）
PLaMoシリーズに適用されるPFNのライセンス契約。商用利用の条件、再配布時の表示義務、生成物の扱いなどを定めている。
Tencent-Hunyuan/Hy-MT2（GitHub）（外部）
Tencent Hunyuanによる翻訳モデルHy-MT2の公式リポジトリ。1.8B・7B・30B-A3Bの3サイズで33言語に対応。
【参考記事】
PLaMo 3 Translate：世界最高クラスの翻訳特化LLMの重み公開と開発秘話（外部）
PFN技術ブログによる開発記。学習工程と評価方法、0.8Bと2BがTranslateGemma・Hy-MT2を上回る範囲を説明。
pfnet/plamo-3-translate-0.8b · Hugging Face（外部）
0.8Bのモデルカード。形式別の容量と、PFTB 0.5862、FLORES+英⇄多言語54.44などのベンチマークを掲載。
TranslateGemma: A new suite of open translation models（外部）
Googleによる翻訳モデルTranslateGemmaの発表。Gemma 3を基に、4B・12B・27Bの3サイズで55言語に対応する。
PFN、翻訳特化型および金融特化型の言語モデルをオープンウェイトで公開（外部）
NICTによるお知らせ。共同研究で得た事前学習モデルを基に、PFNが翻訳特化型と金融特化型の言語モデルを公開したと伝える。
