Google 開源 TranslateGemma：12B 效果反超 27B，還帶圖片翻譯

TranslateGemma 是 Google 開源的一套專用翻譯模型，基於 Gemma 3 打造。它能讓你在本地裝置或私有伺服器上部署高精度的多語言翻譯，而且不需要額外掛載 OCR，就能直接看懂並翻譯圖片裡的文字。

模型一共提供了 4B、12B 和 27B 三個引數規格。最突出的特點是小模型越級打大模型：在 WMT24++ 基準測試中，通過 MetricX 評估，12B 的 TranslateGemma 翻譯質量直接超過了原本 27B 的 Gemma 3 基準模型，4B 版本的表現也逼近了原本的 12B 基準。

它能做什麼

它重點優化了 55 種核心語言對，涵蓋中文、英語、法語、西班牙語、印地語等主流語言，也包含了多種低資源語種。官方資料顯示，模型在各個語種上的翻譯錯誤率都比原版 Gemma 有顯著下降。

除了這 55 種語言，Google 還在近 500 個擴充套件語言對上做了訓練。雖然這部分擴充套件語種還沒給出完整的評測分數，但很適合開發者直接拿來當底座做二次微調。

另一個省心的能力是圖文多模態。它完整繼承了 Gemma 3 識別影像的能力，在 Vistra 影像翻譯基準測試中表現良好。即便在訓練階段沒有特意去做視覺微調，文本翻譯能力的提升也直接帶動了圖片內文字翻譯的準確度。

怎麼做到的與硬體門檻

能把尺寸砍掉一半還保持甚至超越原版精度，核心是把前沿模型 Gemini 的能力蒸餾進了開源架構。

訓練過程分成兩步。第一步是監督微調（SFT），訓練集混合了真實人類翻譯資料和 Gemini 生成的高質量合成數據；第二步是強化學習（RL），藉助 MetricX-QE 和 AutoMQM 等獎勵模型組合，讓模型吐出更符合語境、更自然的句子。

部署硬體門檻分得很清晰：4B 版本面向手機和邊緣裝置最佳化，推理開銷極低；12B 版本專為普通消費級筆記本設計，在本地就能跑出研究級水準；27B 版本則適合追求最高質量的開發者，單張 H100 GPU 或單個 TPU 就能輕鬆跑起來。

程式碼與模型權重已經開放，開發者可以在 Hugging Face 等平臺獲取並在自己的環境裡測試。

為什麼重要

對獨立開發者和注重資料合規的企業來說，TranslateGemma 是個極具價效比的本地化工具。以前想要這種級別的多語言質量，要麼老老實實呼叫閉源 API 付費，要麼本地強行跑幾十 B 的大模型；現在一臺筆記本跑 12B 模型就能解決問題，還附帶離線圖片翻譯能力。

雖然近 500 個冷門語言對還需要社群進一步微調驗證，但 Google 這次把 Gemini 蒸餾到 Gemma 端側模型的做法非常利落。如果你手頭有離線翻譯、跨國應用出海或者端側圖文處理需求，現在就很值得把 12B 或 4B 模型拉下來跑一跑。