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 |
form | plain(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。
| 指標 | 8B NVFP4 | 8B BF16 |
|---|---|---|
| PFTB(英↔日) | 0.6040 | 0.6119 |
| SaaS(英→日) | 0.5783 | 0.5750 |
| WMT24++ COMET-22(英→日) | 0.8792 | 0.8805 |
| FLORES+ chrF++(日本語↔多言語) | 37.26 | 37.45 |
| FLORES+ chrF++(英語↔多言語) | 56.10 | 56.22 |
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
chat_template_kwargsのtarget_langが必須です。 無いリクエストは 400 を返します。他のモデル向けのリクエストをそのまま送っても動きません- system / developer メッセージとツール呼び出しには対応していません。 送ると 400 を返します。翻訳の指示を文章で書いても効かないので、参考にしてほしい内容は
contextに、訳語はglossaryに渡してください - 原文と対訳の履歴(メッセージに入れる文章)は 1 リクエスト 16,384 トークンまでです。 超えると 400 を返すので、長い文書は分割してください。
contextとglossaryに渡した内容も入力として使われるため、原文・対訳の履歴・参考文脈・用語集の合計を 16,384 トークン以内に収めることをおすすめします。max_tokensなどの出力上限に指定できる値も 16,384 までで、超える値は 16,384 として扱います - 入力はテキストのみです。画像を送ると 400 を返します
- 思考(reasoning)はありません。
reasoning_effortを送ってもエラーにはなりませんが、出力は変わりません - キャッシュ読取単価はありません。入力はすべて入力単価で計算します
- 提供できる同時実行数に限りがあり、混雑時は応答開始までの待ち時間が長くなります。複数の文章は、文章ごとにリクエストを分けて並列に送れます
- 定額プランの対象外で、クレジットから消費します。クライアント設定では選べません(追記 2026-11-16: コンソールの Playground で選べるようになりました。翻訳先の言語・参考文脈・用語集・文体を入力欄から指定できます)
- モデルカードは
stopに["<|plamo:tag|>", "<|plamo:bos|>"]を指定することを推奨しています。訳文の末尾に制御トークンが残る場合は指定してください - このモデルは PLaMo Community License のもとで提供しています(Built with PLaMo)。翻訳結果を学習に使ったモデルには同ライセンスの条件が適用されます。翻訳結果を書籍・論文などの長文の公表物の全部または実質的な部分として公表する場合は、PLaMo を翻訳に利用した旨を明示してください