PLaMo 3 Translate fra Preferred Networks oversetter 53 språk lokalt fra 0,57 GB, men ikke norsk

«Selv den minste 0.8B-modellen utkonkurrerer eksisterende oversettelsesspesialiserte LLM-er, inkludert modeller med mer enn 30 ganger så mange parametere», skriver japanske Preferred Networks (PFN) i den tekniske bloggposten der selskapet legger ut vektene til PLaMo 3 Translate på Hugging Face. Familien kommer i fire størrelser (0.8B, 2B, 8B og 31B), hver i BF16, FP8, W4A16, W4AFP8, NVFP4, GGUF for llama.cpp og MLX-4bit for Apple silicon. Sammenligningen gjelder TranslateGemma fra Google DeepMind og Hy-MT2 fra Tencent, og 0.8B-påstanden holder for japansk–engelsk og japansk mot andre språk. Mellom engelsk og andre språk er det 2B-modellen som går forbi konkurrentene.

Oppskriften er dataraffinering, ikke ny arkitektur. PFN lot Gemma 4 31B IT lage syntetiske oversettelser i en turnering der kandidater slås sammen parvis, la på back-translation og iterativ selvdestillasjon, og endte på rundt 37,3 milliarder tokens treningsdata. Modellene på 8B og mindre er i tillegg destillert fra 31B-modellen. PFN testet også GRPO, men forkastet det fordi menneskelig evaluering viste dårligere flyt selv om benchmark-scorene steg.

Forbeholdet for deg som bygger i Norden: norsk, svensk, dansk og finsk står ikke blant de 53 språkene, selv om estisk, latvisk og litauisk gjør det. Bruksområdet er dermed lokal oversettelse av japanske, kinesiske eller koreanske kilder til engelsk, for eksempel i en scraper eller en RAG-pipeline. Modellen tar 32 768 tokens input og output samlet og støtter kontekst og ordlister. Lisensen er PLaMo Community License, ikke open source: gratis for hobby og ikke-kommersiell bruk, og gratis kommersielt for virksomheter med inntil 1 milliard yen i omsetning etter registrering.

Hva bør du gjøre?

1. Hent 0.8B med ollama pull hf.co/pfnet/plamo-3-translate-0.8b-GGUF:Q4_K_M, eller start filen i llama-server med --jinja --no-prefill-assistant, og sett target_lang eksplisitt for alle språk utenom japansk og engelsk.
2. Last ned GGUF-filen på nytt hvis du hentet den før 8. november: chat-malen er endret, og utelatt target_lang bytter nå mellom japansk og engelsk i stedet for å alltid oversette til japansk.
3. Velg Q4_K_M framfor Q2_K på 0.8B, siden modellkortet viser at Q2_K taper 2,5 til 3,3 chrF++-poeng på FLORES+ mens Q4_K_M ligger nær BF16.