谷歌最强 AI 开放翻译模型：TranslateGemma 登场，手机也能跑

谷歌于1月15日发布了一篇博文，宣布推出基于Gemma 3架构的TranslateGemma开放翻译模型系列。该系列包括4B、12B和27B三种不同参数规模的模型，支持55种核心语言及多模态图像翻译。这些模型已在Kaggle和Hugging Face平台开放下载。

在性能测试方面，谷歌团队使用了WMT24++基准（涵盖高、中、低资源的55种语言）和MetricX指标进行评估。结果显示，TranslateGemma 12B版本的翻译质量优于参数量大其两倍的Gemma 3 27B基线模型。这意味着开发者只需一半的算力资源就能获得更高保真的翻译结果，从而提高吞吐量并降低延迟。即使是体量最小的4B模型也表现不俗，其性能与12B基线模型相当，非常适合移动端和边缘计算设备使用。

技术上，TranslateGemma采用了独特的“两阶段微调”方法。首先通过监督微调（SFT），利用Gemini生成的高质量合成数据与人工翻译数据混合训练Gemma 3底座；接着进入强化学习（RL）阶段，借助MetricX-QE和AutoMQM等先进奖励模型指导模型生成更加自然流畅的译文。

在语言覆盖上，TranslateGemma优化并验证了55种核心语言，如西班牙语、中文、印地语等，并计划进一步扩展到近500种语言的研究。这为学术界研究濒危语言提供了强有力的支持。得益于Gemma 3架构的优势，新模型保留了多模态能力，无需额外针对视觉任务进行调整，即可提升图像内文字的翻译效果。

为了满足不同开发需求，TranslateGemma提供了三种尺寸的模型：4B模型专为手机和边缘设备设计，实现高效推理；12B模型适合消费级笔记本电脑，提供接近研究级别的性能；而27B模型则面向追求极致翻译质量的应用场景，可在单张H100 GPU或云端TPU上运行。所有模型目前均可在Kaggle、Hugging Face及Vertex AI平台上获取。