如何选择开源翻译模型

按语言覆盖、许可证、规模和指令支持对比开源翻译模型,帮你判断文档、字幕、日语、图片或笔记本电脑分别该选哪一个。

  • 入门
  • 阅读约 10 分钟
  • 发布于
  • 更新于

简短回答。 自托管文本翻译,先从 Hy-MT2 或 Index-Translate 试起,两者都是朴素的 Apache 2.0;如果能接受谷歌的 Gemma 条款,再加上 TranslateGemma。主要翻译日语时选 PLaMo 3 Translate,并先读它设有营收上限的许可证。请按许可证、语言列表和你能运行的规模来选,不要看主打分数,因为所有分数都是开发者自己给出的;并且要用自己的文本测试两三个候选。

如今的翻译模型能做什么

机器翻译过去指专门为翻译而造的系统。本指南里的开放模型不一样:每个都以一个通用语言模型(例如 Gemma 3 或 Qwen3.5)为起点,再用翻译数据继续训练。结果是模型体量不大却翻得不错,通常也只会翻译。

开发者说,专门训练是值得的。谷歌报告称,在 WMT24++ 上按 MetricX 衡量,TranslateGemma 12B 优于 Gemma 3 27B 基线,后者的参数量是它的两倍多。Preferred Networks 报告称,它的 0.8B 模型 PLaMo 3 Translate 在日英测试中胜过更大的模型。这些都是开发者自己的数字,但它们解释了为什么 4B 到 12B 的专用模型是合理的第一选择。翻译模型榜单列出了我们收录的所有模型,包括图像和语音模型。

候选清单

模型 规模 语言数 许可证 发布时间 特点
Hy-MT2 1.8B、7B、30B-A3B 33 Apache 2.0 2026 年 5 月 保留标签和结构化数据的模板;256K 上下文;有 440 MB 的端侧版本
Index-Translate 2B、9B、35B-A3B(预览) 150 Apache 2.0 2026 年 9 月 术语表、格式和语气控制;能翻译图片里的文字
TranslateGemma 4B、12B、27B 55 Gemma 使用条款 2026 年 1 月 能翻译图片里的文字;模板严格要求语言代码;输入上限 2K
PLaMo 3 Translate 0.8B、2B、8B、31B 53 PLaMo 社区许可 2026 年 11 月 针对日语调优;术语表和日语敬体或常体;0.57 GB 的 GGUF

还有两类模型也能翻译。HunyuanOCR 能找出菜单、海报和截图里的文字并翻译。三个语音模型能翻译音频:Granite Speech 5.0 在六种语言与英语之间互译,Nemotron 3.5 Transcribe 在 31 种语言与英语之间互译,LFM3-Audio 可在设备上跨 18 种语言翻译。音频方面请看如何选择开源语音转文字模型。

按翻译的内容选择

  • 常见语言的文档和网页内容。 Hy-MT2 或 Index-Translate。请先确认你的语言在列表里,因为两者的列表不同:Hy-MT2 是 33 种语言,语言表里另有藏语、哈萨克语、蒙古语、维吾尔语和粤语,Index-Translate 是 150 种。
  • 带标签、占位符、JSON 或 HTML 的文本。 Hy-MT2 提供保留分隔符和结构化数据的模板。Index-Translate 支持硬约束,让 JSON、CSV、Markdown、代码块和占位符保持不变。
  • 固定的术语表。 Index-Translate 和 PLaMo 3 Translate 接受术语表,Hy-MT2 有术语模板。TranslateGemma 的模板里没有术语表字段。
  • 日语。 PLaMo 3 Translate,它还能让你选择日语的常体或敬体并传入上下文。PLaMo 3 Translate 与 Hy-MT2 对比列出了取舍。
  • 低资源语言。 Index-Translate 报告了一项覆盖 62 种语言的专门低资源测试,Hy-MT2 的语言表还列出了藏语、哈萨克语、蒙古语、维吾尔语和粤语。两者都应视为需要自行验证的说法。
  • 照片、路牌和截图里的文字。 TranslateGemma 和 Index-Translate 都接受图片,HunyuanOCR 则先读取文字。Index-Translate 与 TranslateGemma 对比比较了这两个翻译模型。
  • 手机、笔记本或 CPU。 0.8B 和 2B 的模型:PLaMo 3 Translate 0.8B 和 2B、Index-Translate-2B 以及 Hy-MT2-1.8B。

先看许可证

Hy-MT2 和 Index-Translate 采用 Apache 2.0,允许商用,条件很少。另外两个条件更多:

  • TranslateGemma 采用 Gemma 使用条款。你可以商用,但分享模型所用的任何协议都必须带上谷歌的《禁止使用政策》,用它的输出蒸馏出的模型会继承这些条款,而且在 Hugging Face 下载时需要你接受许可。Gemma 4 是 Apache 2.0,但 TranslateGemma 建立在 Gemma 3 之上,所以适用较早的条款。
  • PLaMo 3 Translate 采用 PLaMo 社区许可证。个人和学术使用免费,商用在登记之后免费,前提是含关联公司在内的年营收不超过 10 亿日元。超过之后需要另行签订协议,衍生模型的名称里必须带有“PLaMo”。

AI 许可证详解介绍了如何阅读这些条款。

不要按主打分数排名

每个开发者的报告都把自己的模型放在前面。Preferred Networks 的图表把 PLaMo 3 Translate 排在 TranslateGemma 和 Hy-MT2 前面。Index-Translate 的报告在九列中有八列把它的 9B 模型排在两者前面,而谷歌只拿 TranslateGemma 与它自己的 Gemma 3 基线比较。我们没有找到对这四个模型的独立对比。

这些数字的刻度和测试也不同。TranslateGemma 的模型卡用 0 到 100 的刻度给出 COMET,12B 模型在覆盖 55 种语言的 WMT24++ 上是 83.5,而 Index-Translate 的报告用 0 到 1 的刻度,9B 模型是 0.8601,测的是英语到 20 种语言。词条翻译评测指标解释了 BLEU、chrF++、COMET 和 MetricX,词条基准测试则解释了为什么自报分数需要谨慎对待。分数只用来建立候选清单,不要用它选出胜者。

用你自己的文本测试

挑选 50 到 100 句看起来像你真实输入的句子,使用你自己的语言对,让两三个候选各翻译一遍。然后检查:

  1. 人名、数字、日期和单位。 错一个数字是你最承受不起的错误。
  2. 术语。 模型是否保留了你术语表里的词,是否把应该保持原样的产品名也翻译了?
  3. 标签和占位符, 例如 HTML、{variable} 或 JSON 的键。
  4. 语言是否正确。 模型可能用与你要求不同的语言作答,模型卡把这种情况称为偏离目标语言的输出。
  5. 遗漏或编造的内容, 尤其是在较长的段落里。
  6. 语气和礼貌程度, 在日语、韩语和德语里影响很大。

请目标语言的母语者阅读结果。如何自己评测 AI 模型介绍了怎样把这一步变成可重复的测试集。

内存与部署

按我们的估算,7B 到 9B 的模型在 4 位下约需 5.5 到 6.7 GB 内存,BF16 下约 16 到 19 GB,27B 到 31B 的模型在 4 位下约需 19 到 22 GB。Hy-MT2-30B-A3B 或 Index-Translate 35B-A3B 预览版这样的混合专家模型仍然要装下全部权重,所以 4 位下要预留 21 到 25 GB。你可以在 VRAM 计算器里试自己的数字,量化词条解释了 4 位的数字。

部署方式的差别比质量更大:

  • Hy-MT2 需要 Transformers 5.6 或更高版本并启用 trust_remote_code,也有适用于 llama.cpp 的 GGUF 版本。
  • Index-Translate 通过 vLLM 部署,需要支持 Qwen3.5 的版本。它的提示词用中文书写,GGUF 的图片翻译还需要单独的 mmproj 文件。
  • TranslateGemma 通过 Transformers 的 image-text-to-text 流水线加载,聊天模板很严格:每条消息只有一个条目,带有源语言和目标语言代码,模型不支持的代码会报错。
  • PLaMo 3 Translate 生产环境建议用 vLLM 的 Completions API 配合手工构造的提示词,试用时可用 Transformers 的聊天模板(需要自定义代码)。它的输入和输出合计限制为 32,768 个 token。

TranslateGemma 只接受 2K token 的输入,所以长文档无论如何都要拆分,而上下文窗口较短的模型会忘掉更早的句子。模型的内存和许可证都合适之后,用 GGUF 文件通过 llama.cpp 做本地试用最简单。

常见问题

最好的开源翻译模型是哪个?
没有唯一最好的模型。Hy-MT2 和 Index-Translate 都是朴素的 Apache 2.0,适合作为第一批候选,Index-Translate 列出 150 种语言,Hy-MT2 是 33 种。TranslateGemma 和 PLaMo 3 Translate 带有额外的许可条件。所有质量说法都是开发者自己的,所以请用你自己的文本让其中两三个各翻译一遍。
这些翻译模型可以商用吗?
可以,其中两个有附加条件。Hy-MT2 和 Index-Translate 采用 Apache 2.0。TranslateGemma 采用 Gemma 使用条款,允许商用,但要求你把它的使用政策一并传递下去。PLaMo 3 Translate 在登记之后可免费商用,前提是你的营收不超过 10 亿日元。还能翻译图片文字的 HunyuanOCR 在欧盟、英国和韩国不授权。
哪个模型最适合日语?
PLaMo 3 Translate 主要针对日语和英语做了调优和测量,还提供日语常体或敬体的选项,但这些结果是 Preferred Networks 自己的,许可证也设有营收上限。Hy-MT2 和 Index-Translate 同样覆盖日语,所以请用你自己的文本测试这三个。
翻译模型能在笔记本上运行吗?
可以。PLaMo 3 Translate 0.8B 有一个 0.57 GB 的 GGUF 文件,Index-Translate-2B 的是 1.31 GB,腾讯还为 1.8B 的 Hy-MT2 提供了 440 MB 的 1.25 位版本。按我们的估算,7B 到 9B 的模型在 4 位下需要约 5.5 到 6.7 GB 内存,适合 16 GB 内存的笔记本。
能不能直接用通用聊天模型来翻译?
常常可以,只要求大意时就够了。谷歌称,在 WMT24++ 上按 MetricX 衡量,TranslateGemma 12B 优于体量更大的 Gemma 3 27B 基线,这说明专门训练是有帮助的。专用模型还提供语言代码模板、术语表和标签处理,但它们只做翻译,不能聊天。
怎么判断译文好不好?
请目标语言的母语者阅读你自己文本中的 50 到 100 句。检查人名、数字、术语、标签和语气,并留意哪些句子用错了语言或丢失了内容。COMET 和 MetricX 这样的分数能帮助开发者比较自己的版本,但不同模型卡之间的分数不能直接比较。

本文关键术语

  • 基准测试(Benchmark) 基准测试是用来比较模型的标准化测试,例如一组数学、编程或知识问题;分数有参考价值,但很容易被过度解读。
  • 上下文窗口 上下文窗口是模型一次最多能考虑的文本量,以 token 计量,其中包括你的提示词和模型自己的回答。
  • GGUF GGUF 是 llama.cpp 及基于它的工具所使用的单文件模型格式,它把量化后的权重与运行所需的信息打包在一起。
  • 机器翻译 机器翻译是把文本、语音或图片里的文字从一种语言翻译成另一种语言的软件。如今的开放模型通常以通用模型为起点,再训练成只做翻译。
  • 量化 量化是用更少的比特位(例如 4 位而不是 16 位)来存储模型权重,以较小的质量代价减少内存占用并加快推理。
  • 自托管(Self-hosting) 自托管指在你能控制的硬件上运行模型,例如自己的电脑或租来的 GPU 服务器,而不是调用厂商的 API。
  • 翻译评测指标 翻译评测指标是模型卡用来给译文打分的数值。有的统计与人工参考译文的重合度,有的用训练过的模型或人工评审,它们的刻度不能直接比较。

本文提到的模型

模型 发布时间 参数量 上下文 许可证 最小版本所需内存
Hy-MT2 Tencent 2.04B – 30.1B 激活 3B 256K Apache 2.0 (宽松) 1.41 GB 笔记本或手机
Index-Translate Bilibili 2.27B – 36B 激活 3B 256K Apache 2.0 (宽松) 1.44 GB 笔记本或手机
TranslateGemma Google DeepMind 4.3B – 27.4B 2K Gemma Terms (附条件) 2.97 GB 笔记本或手机
PLaMo 3 Translate Preferred Networks 890M – 31.8B 32K PLaMo Community (附条件) 0.614 GB 笔记本或手机
HunyuanOCR Tencent 1.12B 128K Tencent Hunyuan (附条件) 0.773 GB 笔记本或手机
Granite Speech 5.0 IBM 470M – 2.31B – Apache 2.0 (宽松) 1.09 GB 笔记本或手机
Nemotron 3.5 Transcribe NVIDIA 34B 激活 4.3B 64K OpenMDW-1.1 (宽松) 25 GB 游戏显卡
LFM3-Audio-2B Liquid AI 2B 32K LFM Open 1.0 (附条件) 4.6 GB 笔记本或手机