大模型翻译赛道又来了一个不走寻常路的玩家。10 月 8 日消息，日本企业 Preferred Networks（PFN）发布了翻译模型 PLaMo 3 Translate 31B，官方口径里它有两项硬指标相当扎眼：四项翻译基准测试的平均分数超过 OpenAI 的 GPT-6.1 Sol 和 GPT-6 Astra，而使用成本只有每 10 万字符输入 14 日元（约合 0.59 元人民币）。

一个「纯日本造」的翻译模型

PLaMo 3 Translate 31B 最大的标签是完全由日本自主研发，训练数据中日语占比约 30%。这个配比决定了它的立身之本：先把日语翻到极致，再兼顾其他语言。

它基于 PFN 自家的 PLaMo 3 基础模型打造，支持语言数量从上一代的 2 种（日语、英语）一口气扩展到 53 种，还引入了覆盖 15 种语言的在线会议翻译模式——明显是冲着跨国会议、商务沟通这类真实办公场景去的。

为什么值得关注

• 性能上敢叫板头部模型：PFN 宣称该模型在四项翻译基准测试中的平均分优于 GPT-6.1 Sol 和 GPT-6 Astra。当然这是官方自测数据，第三方复现结果还有待观察，但敢把对比对象直接点名，至少说明 PFN 对自家日语处理能力有底气。
• 成本压得极低：每 10 万字符输入 14 日元、约合 6 毛人民币，官方称「显著低于竞品」。这背后是针对日语的高效处理——在 API 按量计费的翻译场景里，成本差一个量级就是能不能商用的分水岭。
• 场景抓得准：53 种语言互译 + 15 种语言的在线会议翻译，瞄准的是日企出海和跨国协作的刚需，而不是泛泛的「全能聊天」。

对普通用户有什么用

如果你的工作涉及日语——做跨境电商、看日文资料、和日本团队开会——这个模型值得放进工具清单观察。日语翻译长期是通用大模型的薄弱项，敬语体系、省略主语的习惯、商务文书的固定表达，都容易翻出「机翻味」。一个把 30% 训练数据押在日语上的专用模型，理论上在这些细节上会处理得更稳。

更大的意义在于路线示范：当所有人都在卷「一个模型包打天下」时，PFN 证明了另一条路——用区域语言的纵深换性能和成本优势。对中文语境下的垂直模型创业者来说，这个思路完全可以照搬。

更多 AI 工具与教程见 AI 智库。