リリース

53 言語に対応した翻訳専用モデル PLaMo 3 Translate を追加しました

plamo-3-translate を追加しました。Preferred Networks(PFN)が 2026-11-05 に重みの公開を発表した翻訳専用モデル pfnet/plamo-3-translate-8b-NVFP4 です。単価は入力 ¥10 / 出力 ¥30(1M tok・税込表示)で、テキスト生成のモデルでは入力・出力とも最も低い単価です(これまでは qwen3.8-flash-next の入力 ¥30 / 出力 ¥95 が最も低い単価でした)。

会話や要約はせず、渡した文章の翻訳だけを返します。他のモデルとはリクエストの形が異なり、翻訳先の言語を chat_template_kwargs の target_lang で指定します。文書やヘルプページ、UI 文言の翻訳を、用語と文体を揃えながら大量に処理する用途に向きます。

特徴

53 言語の翻訳に特化

日本語・英語を含む 53 言語に対応しています(中国語は簡体字 zh-hans と繁体字 zh-hant を別に数えます)。言語コードの一覧はモデルカードに掲載されています。原文の言語は source_lang で指定でき、省略するとモデルが判断します。

モデルカードによると、PFN と情報通信研究機構(NICT)の共同研究で得られた事前学習モデル PLaMo 3 NICT を基盤に、数十 B トークン規模の翻訳特化の学習を行ったモデルです。0.8B / 2B / 8B / 31B の 4 サイズが公開されており、当サービスが提供するのは 8B です。

用語集・参考文脈・文体を指定できます

翻訳の指定は、プロンプトの文章ではなく chat_template_kwargs のキーで渡します。

キー内容
target_lang翻訳先の言語コード。必須
source_lang原文の言語コード。省略可
context原文を解釈するための参考文脈(前後の文章や場面)
glossary{"source": "原語", "target": "訳語"} の配列
formplain(常体)/ polite(敬体)。target_lang が ja のときだけ

翻訳済みの原文と訳文を user / assistant の組で前に並べると、訳語や文体を引き継いで続きを翻訳できます。最後の user メッセージだけが今回の翻訳対象です。

重みと活性化を NVFP4 に量子化した 8B

提供しているのは、重みと活性化を NVFP4(4bit 浮動小数)に量子化した版です。量子化による精度の変化は、次のベンチマークの表のとおりです。

ベンチマーク(Preferred Networks 公表値)

以下は PFN がモデルカードで公表している、8B の NVFP4 版と量子化前の BF16 版のスコアです。評価指標の詳細は PFN のテックブログに記載されています。

PLaMo 3 Translate 8B の NVFP4 と BF16 の FLORES+ chrF++ 比較。日本語↔多言語 が 37.26 対 37.45、英語↔多言語 が 56.10 対 56.22

指標8B NVFP48B BF16
PFTB(英↔日)0.60400.6119
SaaS(英→日)0.57830.5750
WMT24++ COMET-22(英→日)0.87920.8805
FLORES+ chrF++(日本語↔多言語)37.2637.45
FLORES+ chrF++(英語↔多言語)56.1056.22

いずれも高いほど良いスコアです。NVFP4 版は 5 指標のうち 4 つで BF16 版を下回ります。BF16 版に対する低下の割合が最も大きいのは PFTB の約 1.3%(0.6119 → 0.6040)で、残る 3 指標の低下は 0.6% 未満です。SaaS だけは NVFP4 版が 0.0033 上回っています。

FLORES+ は日本語・英語を含む 15 言語を対象に、日本語または英語と残り 14 言語との翻訳を双方向で評価した平均です。PFTB と SaaS は参照訳との文字 n-gram 類似度、WMT24++ は COMET-22 で測定されています。

PFTB と SaaS は PFN の社内ベンチマークです。いずれのスコアも PFN 自身による測定で、第三者の独立評価ではありません。PFN は他社の翻訳特化モデルとの比較も公表していますが、数値は図でのみ示されているため、本記事には掲載していません。

使い方

model に plamo-3-translate を指定し、最後の user メッセージに原文を入れます。OpenAI SDK では chat_template_kwargs を extra_body に入れてください。

from openai import OpenAI

client = OpenAI(base_url="https://api.router.hello.ai/v1", api_key="hello_...")

resp = client.chat.completions.create(
    model="plamo-3-translate",
    messages=[{"role": "user", "content": "会議は来週の月曜日に変更されました。"}],
    extra_body={"chat_template_kwargs": {"target_lang": "en"}},
)
print(resp.choices[0].message.content)
# 出力例: The meeting has been rescheduled for next Monday.

用語集と文体を指定する例です。

curl https://api.router.hello.ai/v1/chat/completions \
  -H "Authorization: Bearer hello_..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "plamo-3-translate",
    "messages": [{"role":"user","content":"Please open the project dashboard."}],
    "chat_template_kwargs": {
      "target_lang": "ja",
      "form": "polite",
      "glossary": [{"source": "dashboard", "target": "管理画面"}]
    }
  }'

出力例は「プロジェクトの管理画面を開いてください。」です。

/v1/messages(Anthropic 互換)と /v1/responses からも呼び出せます。/v1/responses では chat_template_kwargs を extra_body に入れてください。

注意点

単価とモデル一覧は料金ページ、モデル ID とリクエストの仕様はドキュメントに掲載しています。

← 新着情報一覧へ

今日から、baseURL を差し替えるだけ。

コンソールを開く

確認メールを no-reply@cloud.hello.ai からお送りします。配信解除はいつでも可能です。