1 月 16 日消息，谷歌昨日（1 月 15 日）发布博文，宣布推出基于 Gemma 3 架构的 TranslateGemma 开放翻译模型系列。该系列包含三种参数规模：4B、12B 和 27B，支持包括西班牙语、中文、印地语在内的 55 种核心语言，并具备多模态图像翻译功能。目前，开发者可通过 Kaggle 和 Hugging Face 平台下载这些模型。
谷歌团队在 WMT24++ 基准测试中进行了严格评估，该基准包含 55 种语言，覆盖高、中、低资源语言，并采用 MetricX 指标进行性能测量。结果显示，TranslateGemma 的表现尤为出色：
– 12B 模型的翻译质量超越了参数量大两倍的 Gemma 3 27B 基线模型。这意味着开发者只需消耗一半的算力资源，即可获得更高保真的翻译结果，从而显著提升吞吐量并降低延迟。
– 4B 模型尽管参数最少，但其性能与 12B 基线模型相当，为移动端和边缘计算设备提供了强大的翻译能力。这一成果展示了小型模型在实际应用中的潜力。
TranslateGemma 的高性能源于独特的“两阶段微调”工艺：
第一阶段：监督微调（SFT），Google 利用 Gemini 模型生成的高质量合成数据与人工翻译数据混合，对 Gemma 3 底座进行训练；第二阶段：强化学习（RL），引入 MetricX-QE 和 AutoMQM 等先进奖励模型，引导模型生成更符合语境、更自然的译文。
在语言覆盖方面，TranslateGemma 重点优化并验证了 55 种核心语言，并进一步探索训练近 500 种语言。这一突破为学术界研究濒危语言提供了坚实基础，推动了多语种翻译技术的发展。
得益于 Gemma 3 的架构优势，TranslateGemma 完整保留了多模态能力。测试表明，无需额外针对视觉任务进行微调，其在文本翻译上的提升直接增强了图像内文字的翻译效果，实现了真正的多模态翻译能力。
为了满足不同开发需求，TranslateGemma 提供三种尺寸的模型，分别对应不同的部署场景：
-
4B 模型专为手机和边缘设备优化，实现端侧高效推理；
-
12B 模型适配消费级笔记本电脑，让本地开发具备研究级性能；
-
27B 模型则面向追求极致质量的场景，可运行于单张 H100 GPU 或云端 TPU 上。
所有模型目前均已在 Kaggle、Hugging Face 及 Vertex AI 平台上架，为开发者提供了便捷的获取渠道。
相关文章
