TranslateGemma

谷歌基于 Gemma 3 的翻译模型,有 4B、12B、27B 三种尺寸,支持 55 种语言,还能翻译图片里的文字。

一句话概括. TranslateGemma 是谷歌的一组 AI 翻译模型。你可以按需选择尺寸:4B 适合手机和小型设备,12B 适合笔记本,27B 适合单张数据中心 GPU。它们能在 55 种语言之间互译,还能读取照片里的文字并翻译。文件可以免费下载,但需要先接受谷歌的 Gemma 条款。

概述

谷歌于 2026 年 1 月 15 日发布 TranslateGemma。它由三个从 Gemma 3 微调而来的翻译模型组成,名称为 4B、12B 和 27B,实际参数量约为 43.0 亿、121.9 亿和 274.3 亿。谷歌在 55 个语言对上评测了它们,还在近 500 个未评测的语言对上做了训练,名单附在技术报告里,供研究者作为起点。输入可以是一段文本,也可以是一张图片(会被归一化为 896 × 896 像素并编码为 256 个 token),输出是翻译后的文本。模型卡给出的输入上下文总长为 2K token,所以较长的文档需要先拆分。

谷歌分两个阶段训练这些模型。监督微调用了 43 亿 token 的人工翻译和由 Gemini 生成的合成翻译,随后的强化学习用了 1020 万 token,奖励模型包括 MetricX-QE 和 AutoMQM。谷歌称,在 WMT24++ 基准上按 MetricX 衡量,12B 模型优于 Gemma 3 27B 基线,4B 模型可与 12B 基线相媲美。模型卡列出的 WMT24++ 成绩是:4B、12B、27B 的 MetricX 分别为 5.32、3.60 和 3.09(越低越好),COMET 分别为 81.6、83.5 和 84.4。在包含 10 种语言的 WMT25 测试上,12B 和 27B 的 MQM 分数分别为 7.94 和 5.86,也是越低越好。谷歌还报告了图片文字基准 Vistra 上的提升,尽管它没有专门针对图片做微调。这些都是谷歌自己的评测。

BF16 权重分别为 8.6 GB、24.4 GB 和 54.9 GB。谷歌把 4B 模型定位为移动和边缘设备,12B 为消费级笔记本,27B 则是云端的单张 H100 GPU 或 TPU。聊天模板很严格:它只支持 user 和 assistant 两种角色,用户消息必须是一个条目,包含类型(text 或 image)、源语言代码和目标语言代码,代码可以是 en 这样的普通形式,也可以是 en-GB 这样的地区形式。不支持的代码会报错,后编辑等其他提示方式没有得到官方支持。Hugging Face 上的仓库是公开的,但设有访问门槛:你需要同意谷歌的使用许可,申请会立即处理。许可证是 Gemma 使用条款,而不是 Gemma 4 的 Apache 2.0,因为 TranslateGemma 建立在 Gemma 3 之上。截至 2026 年 11 月 11 日,Hugging Face 显示 4B 模型自发布以来约有 110 万次下载,12B 模型约有 96 万次。

适合做什么

  • 自托管 55 种语言之间的翻译:12B 可在笔记本上运行,27B 需要一张 GPU,4B 可用在小型设备上
  • 用同一个模型翻译照片、路牌和截图里的文字
  • 作为微调额外语言对或低资源语言对的起点,因为谷歌还在近 500 个未评测的语言对上做过训练
  • 显式传入源语言和目标语言代码的流水线,包括 en-GB 这样的地区变体

需要注意

  • 许可证是 Gemma 使用条款而不是 Apache 2.0,向他人分发模型时必须同时传递其《禁止使用政策》
  • 模型卡给出的输入上下文总长为 2K token,长文档必须拆分,而且已记录的模板里没有自由指令或术语表
  • 它只做翻译,谷歌没有声明它的其他能力,所以它不是聊天模型
  • 质量分数来自谷歌自己在 WMT24++、WMT25 和 Vistra 上的测试,请用你自己的文本评估;另外谷歌没有专门针对图片做过微调
  • 模型不支持的语言代码会直接报错,而不是猜测

性能数据来自开发方,未经独立验证。

需要多少内存?

以下为 TranslateGemma 4B 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。

版本 参数量 BF16 FP8 / INT8 4-bit (Q4) 可运行于
TranslateGemma 4B BF16 4.3B 9.89 GB 4.94 GB 2.97 GB 笔记本或手机
TranslateGemma 12B BF16 12.2B 28 GB 14 GB 8.41 GB 笔记本或手机
TranslateGemma 27B BF16 27.4B 63 GB 32 GB 19 GB 游戏显卡

估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。

显存计算器

许可证,用大白话说

谷歌为 Gemma 4 之前发布的 Gemma 模型(包括 TranslateGemma)设定的自定义许可证。它允许商用、修改和再分发,没有营收上限,但每一份副本和每个衍生作品都必须带上同样的使用限制,谷歌认为你违反条款时可以限制你的使用。

  • 需要署名或标明模型名称
  • 须遵守可接受使用政策

进一步了解 Gemma Terms

延伸阅读

常见问题

TranslateGemma 是什么?
TranslateGemma 是谷歌的一组 AI 翻译模型。你可以按需选择尺寸:4B 适合手机和小型设备,12B 适合笔记本,27B 适合单张数据中心 GPU。它们能在 55 种语言之间互译,还能读取照片里的文字并翻译。文件可以免费下载,但需要先接受谷歌的 Gemma 条款。
TranslateGemma 可以商用吗?
可以,但有条件。TranslateGemma 采用 Gemma Terms 发布,允许商用,但附带额外规则:需要署名或标明模型名称; 须遵守可接受使用政策。产品上线前请阅读许可证原文。
TranslateGemma 是开源的吗?
TranslateGemma 是开放权重模型,但不是严格意义上的开源。你可以下载模型文件,但 Gemma Terms 附带了开源促进会的定义所不允许的条件。
我能在自己的电脑上运行 TranslateGemma 吗?
可以。最小版本 TranslateGemma 4B 在 4 位精度下约需 2.97 GB 内存,现代笔记本或中端显卡即可胜任。
TranslateGemma 是什么时候发布的?
TranslateGemma 由 Google DeepMind 于 2026年1月15日 发布。
TranslateGemma 的上下文窗口有多长?
TranslateGemma 支持最长 2K token 的上下文窗口。

官方链接

来源

规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。

发布时间等信息最近核实于 2026年11月11日。

相关模型

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
PLaMo 3 Translate Preferred Networks 890M – 31.8B 32K PLaMo Community (附条件) 0.614 GB 笔记本或手机
Gemma 4 Google DeepMind 5.1B – 30.7B 256K Apache 2.0 (宽松) 3.52 GB 笔记本或手机