日本人工智能企业Preferred Networks（PFN）于10月8日发布翻译模型PLaMo 3 Translate 31B。该模型基于PLaMo 3基础模型构建，主打日语翻译能力，同时兼顾多语言场景。PFN方面表示，该模型完全由日本自主研发，训练数据中日语占比约为30％。
与前代产品相比，PLaMo 3 Translate 31B在语言覆盖范围上有明显扩展。上一代模型仅支持日语与英语两种语言，新模型将支持语言数量提升至53种。此外，该模型引入了覆盖15种语言的在线会议翻译模式，可应用于多语言远程协作场景。
在性能表现方面，PFN宣称PLaMo 3 Translate 31B在四项翻译基准测试中的平均分数优于OpenAI的GPT-6.1 Sol和GPT-6 Astra。这一表态意味着日本本土企业在特定语言方向的模型能力上，正在尝试与全球头部大模型产品展开直接竞争。
成本控制是该模型的另一项关键指标。凭借针对日语的高效处理，PLaMo 3 Translate 31B的调用成本为每10万字符输入14日元，约合0.59元人民币，PFN方面称这一价格显著低于竞品。对于需要大规模处理日语翻译任务的企业用户而言，成本优势可能成为其选择该模型的重要考量因素。
PFN成立于2014年，是日本较具代表性的AI技术公司之一，主要投资方包括丰田汽车。该公司长期专注于深度学习技术研发，此前曾推出PLaMo系列基础模型。此次发布翻译专用模型，表明PFN正在将基础模型能力向垂直应用场景延伸。
从行业角度看，PLaMo 3 Translate 31B的发布反映出两个趋势。其一，非英语地区的AI企业正在强化本土语言优势，以差异化策略参与全球竞争。日语因其语法结构、敬语体系及文本特征的复杂性，长期是机器翻译领域的难点语种，针对性的模型优化具备实际应用价值。其二，翻译模型的成本竞争正在加剧。在模型能力差距逐步缩小的背景下，推理成本正成为企业客户评估翻译解决方案的核心维度之一。
目前，PFN尚未公布PLaMo 3 Translate 31B的具体开放方式与商业定价细则。该模型在实际场景中的翻译质量、延迟表现及与主流翻译服务的对比结果，仍有待进一步验证。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
