Google 开源 TranslateGemma：12B 效果反超 27B，还带图片翻译

TranslateGemma 是 Google 开源的一套专用翻译模型，基于 Gemma 3 打造。它能让你在本地设备或私有服务器上部署高精度的多语言翻译，而且不需要额外挂载 OCR，就能直接看懂并翻译图片里的文字。

模型一共提供了 4B、12B 和 27B 三个参数规格。最突出的特点是小模型越级打大模型：在 WMT24++ 基准测试中，通过 MetricX 评估，12B 的 TranslateGemma 翻译质量直接超过了原本 27B 的 Gemma 3 基准模型，4B 版本的表现也逼近了原本的 12B 基准。

它能做什么

它重点优化了 55 种核心语言对，涵盖中文、英语、法语、西班牙语、印地语等主流语言，也包含了多种低资源语种。官方数据显示，模型在各个语种上的翻译错误率都比原版 Gemma 有显著下降。

除了这 55 种语言，Google 还在近 500 个扩展语言对上做了训练。虽然这部分扩展语种还没给出完整的评测分数，但很适合开发者直接拿来当底座做二次微调。

另一个省心的能力是图文多模态。它完整继承了 Gemma 3 识别图像的能力，在 Vistra 图像翻译基准测试中表现良好。即便在训练阶段没有特意去做视觉微调，文本翻译能力的提升也直接带动了图片内文字翻译的准确度。

怎么做到的与硬件门槛

能把尺寸砍掉一半还保持甚至超越原版精度，核心是把前沿模型 Gemini 的能力蒸馏进了开源架构。

训练过程分成两步。第一步是监督微调（SFT），训练集混合了真实人类翻译数据和 Gemini 生成的高质量合成数据；第二步是强化学习（RL），借助 MetricX-QE 和 AutoMQM 等奖励模型组合，让模型吐出更符合语境、更自然的句子。

部署硬件门槛分得很清晰：4B 版本面向手机和边缘设备优化，推理开销极低；12B 版本专为普通消费级笔记本设计，在本地就能跑出研究级水准；27B 版本则适合追求最高质量的开发者，单张 H100 GPU 或单个 TPU 就能轻松跑起来。

代码与模型权重已经开放，开发者可以在 Hugging Face 等平台获取并在自己的环境里测试。

为什么重要

对独立开发者和注重数据合规的企业来说，TranslateGemma 是个极具性价比的本地化工具。以前想要这种级别的多语言质量，要么老老实实调用闭源 API 付费，要么本地强行跑几十 B 的大模型；现在一台笔记本跑 12B 模型就能解决问题，还附带离线图片翻译能力。

虽然近 500 个冷门语言对还需要社区进一步微调验证，但 Google 这次把 Gemini 蒸馏到 Gemma 端侧模型的做法非常利落。如果你手头有离线翻译、跨国应用出海或者端侧图文处理需求，现在就很值得把 12B 或 4B 模型拉下来跑一跑。