▲Google 開源翻譯模型 TranslateGemma。（圖／DeepMind）
記者吳立言／綜合報導
Google DeepMind 今（16日）正式推出全新開源翻譯模型系列 TranslateGemma，主打「高效率、不犧牲品質」，鎖定行動裝置與邊緣運算場景。該模型建構於 Gemma 3 架構之上，支援多達 55 種語言，並提供 4B、12B 與 27B 三種參數規模，讓開發者可依不同硬體環境靈活部署。
Google DeepMind 執行長 Demis Hassabis 也在社群平台表示，TranslateGemma 是一套「專為邊緣裝置打造的開源翻譯模型」，在多語言翻譯任務上的表現，甚至能超越參數量大上一倍的模型，令人期待社群後續的應用與延伸開發。
主打效率：小模型也能有高品質翻譯
根據官方技術說明，TranslateGemma 的一大突破在於模型效率。以 12B 版本為例，在 WMT24++ 基準測試中，使用 MetricX 評估時，其翻譯品質已超越 Gemma 3 的 27B 基準模型；而 4B 版本的整體表現，則可與過去 12B 級模型相抗衡，特別適合行動裝置或本地端推論使用。
訓練方法：承襲 Gemini 的「翻譯直覺」
TranslateGemma 採用兩階段微調流程。第一階段為監督式微調（SFT），結合人工翻譯資料與來自 Gemini 系列模型的高品質合成語料，補足低資源語言的訓練缺口；第二階段則引入強化學習（RL），透過多種評分機制（如 MetricX-QE、AutoMQM）引導模型生成更自然、符合語境的翻譯結果。
語言涵蓋與延展性、保留多模態能力
目前 TranslateGemma 已針對 55 種語言完成嚴謹訓練與評估，涵蓋主流語言與多種低資源語言。此外，研究團隊也同步針對近 500 組額外語言配對進行訓練，並在技術報告中完整公開，作為研究社群進一步微調與探索的基礎。
官方指出，TranslateGemma 延續 Gemma 3 的多模態潛力。在影像文字翻譯測試（Vistra benchmark）中，即便未針對影像進行額外微調，模型仍展現出不錯的跨模態翻譯效果，顯示其在實際應用場景中的彈性。
部署彈性：從手機到雲端
在實際部署上，4B 版本鎖定手機與邊緣裝置，12B 版本可於一般消費級筆電順暢運行，而 27B 版本則適合雲端環境，能在單張 H100 GPU 或 TPU 上執行，兼顧最高翻譯品質需求。
