AIニュース

PLaMo 3 Translateがオープン化|4サイズの使い方と選び方

英語の資料や海外ニュースを読む機会が多い人に向けて、PLaMo 3 Translate の使い方と4サイズの選び方を整理します。株式会社Preferred Networks(PFN)は2026年11月5日、翻訳に特化した大規模言語モデル(LLM=大量の文章を学習したAI)PLaMo 3 Translateを、オープンウェイトモデルとしてPFNのHugging Faceページで公開しました。手元のパソコンやスマートフォン、社内サーバーで動かす前提のモデルで、条件を満たせば無償で使えます。

要点

  • PFNは2026年11月5日、翻訳特化LLM PLaMo 3 TranslateをオープンウェイトモデルとしてPFNのHugging Faceページで公開した
  • サイズは0.8B(8億パラメータ)・2B・8B・31Bの4つで、日本語・英語を含む53言語に対応する
  • 個人での学習や趣味などの私的な用途なら無償でダウンロードして使え、学術用途を含む非商用利用は収入や売上の規模による制限も事前の利用登録も不要
  • 商用利用は、直近事業年度の収入または売上が10億円以下であれば専用フォームで事前登録することで無償で利用できる
  • BF16の重みに加えて各種量子化モデルやGGUF・MLX形式も用意され、手元のPCやMacで動かす選択肢がある

何が発表されたか

PFNは、自社のAI翻訳サービス PLaMo™翻訳 で利用している翻訳特化型の大規模言語モデル PLaMo 3 Translateを、オープンウェイトモデルとしてPFNのHugging Faceページで公開しました。オープンウェイトとは、各ユーザーの機器内で動かすために必要な「モデル重み」を公開したモデルのことです。これにより、スマートフォン、ノートパソコン、社内サーバーなどのエッジ(クラウドではなく手元や自社側の機器)でクラウドを介さずに利用できます。

モデルは、求める翻訳品質や速さ、処理量、使う機器に合わせて0.8B(8億パラメータ)、2B、8B、31Bの4サイズから選択可能です。ユーザーが各端末向けのアプリケーションに組み込むことで、スマートフォンやノートパソコン上で日本語・英語を含む53言語で高い翻訳品質を実現し、ネット接続がなくても高速に動作するとしています。PFNは公開の狙いとして、観光、ビジネス、災害対策など様々なユースケースの創出を挙げています。

PFNが挙げる4つの特長

1つ目は小型モデルでも高品質な翻訳である点です。PFNの比較評価では、最小モデルでも既存の翻訳特化型LLMであるGoogleのTranslateGemmaとTencentのHy-MT2を上回るスコアを記録したとしています。技術ブログでも、最小の0.8Bモデルが日英および日本語↔多言語で30倍以上大きな既存の翻訳特化LLMを上回る性能を達成したと説明しており、0.8Bモデルでさえも8BモデルであるPLaMo 2 Translateモデルを上回ったとしています。8B以下のモデルについては、SFTとDPOの間に31Bモデルからの蒸留(大きなモデルの予測を小さなモデルに学習させる手法)を実施しています。

2つ目はサイズを選べる点です。小型モデルはネットへの接続なしでもスマートフォンやノートパソコン、ウェアラブルデバイスなどで高速に動作し、即時的に訳文が得られます。3つ目は情報の扱いで、自社が管理するサーバーや端末でモデルを動かせば、原文や訳文を外部のサーバに送ることなく翻訳処理を社内で完結できます。4つ目は出力の調整で、用語集で固有名詞や専門用語、製品名の対訳を指定することで出力をカスタマイズでき、日本語への翻訳では敬体(です・ます調)と常体(だ・である調)の指定が可能です。

なお PLaMo 3 Translateは、PFNと国立研究開発法人情報通信研究機構(NICT)との共同研究で得られた事前学習モデル「PLaMo 3 NICT」を基盤として開発されたモデルです。

個人の仕事や学びにどう使えるか

試すまでの手順

  1. 用途とライセンスを確かめる。個人での学習や趣味など私的な用途であれば無償でダウンロードして自由に使え、学術用途を含む非商用利用は収入や売上の規模による制限も事前の利用登録も不要です。仕事で使う場合は、利用者またはその関係会社の直近事業年度の収入または売上が10億円以下であれば、専用フォームでの事前登録が条件になります。
  2. 機器に合う配布形式を選ぶ。各サイズについて、BF16の重みに加え各種量子化モデルやGGUF・MLX形式のモデルも用意されています。GGUFはCPU/各種GPU向けでllama.cppを使い手元のPCで実行する形式、MLX-4bitはApple silicon向けでmlx-lmを使いMacで省メモリに実行する形式、BF16はBF16対応GPU向けでTransformersやvLLMを使い量子化なしの精度を優先する形式です。
  3. サイズを決める。選択の基準は求める翻訳品質や応答の速さ、処理量、利用する機器です。まず小さいサイズから動かし、物足りなければ上のサイズを試す順番が分かりやすいでしょう。
  4. モデルを入手する。各モデルはAIモデルの共有サイト Hugging Face で公開されており、PLaMoコミュニティライセンスの条件に基づいて入手できます(plamo-3-translate-0.8b など)。使い方の詳細は各モデルのモデルカードに記載されています。
  5. 翻訳オプションを使う。周辺コンテキスト、翻訳用語集、常体/敬体の指定などのオプションが用意されています。

PFNも、手元のパソコンやスマートフォンで、実際に扱う文書の翻訳品質や速さを確かめながら導入を検討できるとしています。

想定できる場面

海外の製品資料や技術文書を読む企画職・営業職なら、社外に出しにくい文書を自分の端末内で訳せる構成が作れます。論文や英語ニュースで学び直している人は、ネット接続がない移動中でも動く小型サイズが向きます。ライターや編集の仕事では、用語集で製品名の対訳をそろえ、敬体と常体を指定して下書きの文体を統一する使い方が考えられます。

会社・チームで使うときのポイント

社内業務での利用や自社製品・サービスへの組み込みなど、商用利用はPLaMoコミュニティライセンスに定める範囲で可能で、この範囲を超える商用利用にはPFNとの商用ライセンス契約が必要です。売上の条件や事前登録の要否は私的な利用と異なるため、検証を始める前に法務や情報システムの担当者と条件をそろえておくと手戻りが減ります。外部に出せない契約書や研究開発資料を扱う場合は、自社が管理するサーバーや端末で動かす構成が検討材料になります。法人でのAI導入や研修を考えているなら、累計600社超・5万人以上のAI活用を支援してきた株式会社デジライズに相談できます。

使う前の注意点

公開されたのはモデル重みであり、そのまま使えるアプリではありません。スマートフォン上で翻訳するデモについてPFNは、社内で構築したデモ環境であり、こういったアプリ自体を現時点でPFNがリリースしているわけではないと明記しています。自分で動かす場合は、llama.cppやmlx-lmといった推論の仕組みを用意する前提になります。

量子化版については、今回のベンチマークではいずれの量子化形式においてもBF16版からの精度劣化を最小限に抑えられることを確認したとしています。とはいえ、自分が実際に扱う文書で品質と速さを確かめるのが確実です。利用方法やライセンスの詳細は各モデルの説明ページとモデルカードに案内されているので、使う前に公式のページで最新の提供範囲と条件を確かめてから試してください。

まとめ

PLaMo 3 Translateは、0.8Bから31Bまでの4サイズと複数の配布形式がそろい、手元の機器で翻訳を完結させる選択肢が増えた発表です。まずは自分の用途がライセンスのどの条件に当たるかを確認し、機器に合う形式と小さいサイズから試すのが近道です。こうしたローカルで動くAIの扱いを含めて体系的に学ぶなら、デジライズAIスクールのコース一覧から「デジライズAIスクールの使い方」などを入り口にするとよいでしょう。

出典


この記事は、各社の公式の発表をもとに AI で下書きし、出典の本文との照合とGoogle 検索による事実確認(ファクトチェック)を通ったものだけを公開しています。