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。
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
延伸阅读
- Index-Translate 与 TranslateGemma 对比:该选哪一个?
- 2026 年最佳开源翻译模型
- 四个开源翻译模型,四把不同的尺子
- Index-Translate:哔哩哔哩支持 150 种语言的开放翻译模型
- PLaMo 3 Translate:PFN 支持 53 种语言的开放翻译模型
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。
- TranslateGemma 12B model card (Hugging Face) huggingface.co
- TranslateGemma: A new suite of open translation models (Google blog, 15 January 2026) blog.google
- TranslateGemma Technical Report (arXiv 2601.09012) arxiv.org
- Gemma Terms of Use ai.google.dev
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 |