TranslateGemma

定位一句话

TranslateGemma 是 Google Translate 团队基于 Gemma 3 训练的开源专用翻译模型家族，2026-01-15 发布，提供 4B / 12B / 27B 三个尺寸，WMT24++ 评测覆盖 55 种语言，支持文本与图片中的文字两类输入，可在端侧完全离线运行。

它的价值主张不是「一个会翻译的聊天模型」，而是把翻译能力从云端接口下沉成一个可以装在自己机器上的专用层——这对「数据不出域」的翻译场景（合同、病历、政务、技术资料）是结构性变化。

2026-09 上下文：该模型在 2026-09-15 前后谷歌发布的多语言 AI 战略中被重新推到台前，作为面向「超过 30 亿无稳定互联网连接人群」的离线方案。详见 谷歌 300 语种与 TranslateGemma。

三档尺寸怎么选

选型规则：先看硬件能跑哪一档，再看你的错误预算。值得注意的是 12B 的 MetricX（3.60）优于参数量两倍的 Gemma 3 27B 基线——在翻译这个边界清晰的任务上，专用训练的效率优势大于参数规模优势。

获取方式与成本

两点必须在采购前确认：一是 Gemma 条款含再分发要求与禁用政策，商用前请法务过一遍；二是免费的是权重，不是算力——27B 档的自部署硬件成本并不低。

API 调用示例（本地 Transformers）

from transformers import AutoProcessor, AutoModelForImageTextToText
import torch

model_id = "google/translategemma-4b-it"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForImageTextToText.from_pretrained(
    model_id, torch_dtype=torch.bfloat16, device_map="auto"
)

messages = [
    {
        "role": "user",
        "content": [
            {"type": "text", "source_lang_code": "en", "target_lang_code": "zh-Hans",
             "text": "The warranty does not cover damage caused by unauthorized repair."},
        ],
    }
]

inputs = processor.apply_chat_template(
    messages, tokenize=True, add_generation_prompt=True,
    return_dict=True, return_tensors="pt",
).to(model.device)

out = model.generate(**inputs, max_new_tokens=256)
print(processor.decode(out[0], skip_special_tokens=True))

官方 chat template 要求一次只传一个文本或图片条目，并显式给出 source / target 语言代码；支持地区变体写法（如 en-GB、zh-Hans）。

生产落地的检查清单

1. 先建双语测试集，覆盖术语、人名、数字、格式、歧义、方言与对抗性输入——基准平均分不能代表你的语言对。
2. 长文档必须切块。 约 2000 token 的输入上限是硬边界，需要自建切块 + 术语表 / 翻译记忆层。
3. 加兜底与路由。 低置信度结果转人工，法律、医疗、金融、移民等高后果内容必须人工复核。
4. 做可观测性。 记录每条请求的源语言、目标语言、模型尺寸与耗时，便于定位回归。
5. 合规前置。 确认 Gemma 条款对你们的使用形式（含再分发）是否允许。

适合 / 不适合

适合

• 有「数据不出域」硬要求的翻译场景（合同、病历、政务、内部技术资料）
• 需要在无网络或弱网环境工作的边缘设备与现场作业
• 想把通用 LLM 的翻译请求分流给更便宜、更可控的专用模型
• 翻译研究与语言对基准评测
• 截图、招牌、扫描件中的文字提取与翻译

不适合

• 需要翻译超长文档且不愿自建切块管线的场景（输入上限约 2000 token）
• 需要通用推理、工具调用或多轮 Agent 能力的场景
• 依赖官方确认指标的近 500 个额外语言对（发布时无评测数据）
• 无法接受 Gemma 条款再分发要求的商用分发

相关阅读

• 资讯：谷歌 300 语种里程碑与 TranslateGemma · AI 编程周报 2026-09-18
• 本地部署：Ollama · LM Studio · Jan · vLLM · GPT4All
• 同期对手：GLM-5.3 · DeepSeek V4.1-Flash · Qwen3-Coder
• 概念：BYOK · 上下文工程

来源

• AI for everyone in every language — Google 官方博客（The Keyword）
• TranslateGemma: Models, Languages & Limitations — The Rundown AI
• TranslateGemma 2026 深度评测：55 语言翻译、图片文字抽取与低资源部署边界 — YOLO LAB
• TranslateGemma 怎样在本地处理企业文档与图片翻译 — 美步科技
• 开源模型与 AI 芯片密集突破 — 腾讯新闻·前沿在线

待核实：WMT24++ 的 MetricX 与 COMET 分数引自官方 model card 与第三方整理，「12B 超过 Gemma 3 27B 基线」为官方口径，未见独立复现；近 500 个额外语言对官方明确说明暂无确认评测指标。本卡由 AI 之家 编辑部基于公开资料整理，非厂商付费内容。