翻訳は、手元へ——0.8Bで53言語、PFN「PLaMo 3 Translate」が配られた日【2026】

翻訳は、インターネットの向こう側で行うもの。その前提が、2026年11月に静かに崩れました。東京のAI企業Preferred Networks（PFN）が11月5日、翻訳特化型の大規模言語モデル「PLaMo 3 Translate」のモデル重みを公開したのです。8億から310億パラメータまでの4サイズ。スマートフォンやノートPCの上で、ネットにつながなくても動く翻訳AIです。

注目すべきは性能の大きさより、小ささです。最小の0.8Bモデルが、30倍以上大きな既存の翻訳特化モデルを上回ったとPFNは報告しています。翻訳という仕事の置き場所が、クラウドから手元へ移り始めました。

本記事では、公開されたモデルの中身、ベンチマークの読み方、ライセンスの線引き、そして現場への影響を順に整理します。

2026年11月5日、翻訳モデルが「配られる」日

まず、今回の発表が新しい翻訳サービスの話ではないことを押さえておきます。公開されたのはサービスではなく、モデルの重みです。

PFNの翻訳SaaS「PLaMo翻訳」は、すでに2026年10月7日から動いていました。11月5日に変わったのは、その中身を誰でもダウンロードできる形にした点です。モデルはHugging Faceで配布されています。

PFNは岡野原大輔氏が率いる国内のAI開発企業です。基盤になったのは、情報通信研究機構（NICT）との共同研究で得た事前学習モデル「PLaMo 3 NICT」。そこへ翻訳専用の学習を重ねたものがPLaMo 3 Translateです。

APIの従量課金ではなく、モデルそのものが配られる。クラウド事業者の都合と切り離された翻訳が、ここから始まります。

公開されたのは4サイズ——0.8Bから31Bまで

サイズは4つあり、それぞれ想定する置き場所が違います。用途と機器に合わせて選ぶ設計です。

サイズ	パラメータ数	想定する動作環境	主な配布形式
0.8B	8億	スマートフォン、ウェアラブル	GGUF、MLX-4bit
2B	20億	ノートPC、GPU非搭載PC	GGUF、MLX-4bit
8B	80億	GPU搭載PC、社内サーバー	BF16、FP8、W4A16
31B	310億	GPUサーバー、API用途	BF16、FP8、NVFP4

配布形式の幅も特徴です。BF16のままの重みに加えて、FP8、4bit量子化、CPUで動くGGUF、Apple silicon向けのMLX-4bitが揃っています。量子化による精度劣化は最小限に抑えたとPFNは説明します。

私の環境では、2Bの量子化版をGPUなしのノートPCで動かせました。初回の読み込みさえ終われば、待ち時間はほぼ意識できません。0.8B、2B、8B、31Bという段階は、性能の階段というより置き場所の階段です。

対応するのは日本語と英語を含む53言語。翻訳時に前後の文脈を渡したり、用語集で固有名詞の訳を固定したり、日本語の敬体と常体を切り替えたりもできます。

なぜ0.8Bが30倍のモデルを超えられたのか

小さくても賢い理由は、モデルの構造ではなく学習データの作り方にあります。PFNの技術ブログが明かした開発手法は、地味ですが効果的です。

鍵は3つ。トーナメント式データ合成、逆翻訳、反復的自己蒸留です。いずれも、人手で対訳を作る代わりに、計算をかけて訳文の質を吊り上げる工夫でした。

トーナメント式は、まず複数の翻訳候補を生成し、それらをGemma 4 31Bに融合させながら勝ち抜き戦で磨く手法です。一発で訳させるより、何度も競わせたほうが良い訳文が残ります。

逆翻訳は、合成した訳文から原文を復元する方向のデータを作る工程です。人が書いた自然な原文を書く側の教師データとして使えるため、合成元のモデルを上回る出力が期待できます。

反復的自己蒸留は、完成したモデル自身に候補を出させ、また競わせてデータを更新する循環です。最終的な学習データは約373億トークン。文庫本数十万冊に相当する量を、ほぼ合成で組み上げました。

加えて8B以下には、31Bからの蒸留が入ります。大きいモデルを一度作り、その能力を小さいモデルへ移す工程です。0.8Bの性能は、この移し替えで押し上げられました。

数字で見る——8Bは何を上回ったのか

比較対象は、同じ8Bの前世代と、3倍以上大きいGoogleのTranslateGemma 27Bです。以下はすべてPFNが公開した評価値です。

指標	plamo-2 8B	PLaMo 3 8B	TranslateGemma 27B
PFTB 英→日	0.447	0.547	0.438
PFTB 日→英	0.602	0.672	0.634
SaaS 英→日	0.430	0.571	0.395
WMT24++ 英→日（COMET-22）	0.882	0.879	0.882
FLORES+ 日→多言語（chrF++）	39.28	43.40	42.17
FLORES+ 多言語→日（chrF++）	29.90	31.04	28.18

見方は単純です。PFTBとSaaSはPFNの社内ベンチマークで、実際の依頼に近い形式。WMT24++は公開データですが、スコアが飽和していて差が出にくい指標です。0.879という数字だけを見て前世代より落ちたと読むのは早計でしょう。

31Bはさらに上に行きます。PFNの試算では、日英性能でほぼ全ての翻訳APIとLLM APIを上回り、コストは比較対象のおよそ30分の1。唯一上回るClaude Fable 5.1と比べても、約85分の1のコストで同じ土俵に立つとしています。

ただし、これはPFN自身の評価です。比較対象も翻訳特化モデルが中心で、第三者の検証はこれからです。

機内モードのiPhoneで、0.5秒

数字より先に、実際に動かした結果を見ておきます。GIGAZINEのレビューがわかりやすい例です。

iPhone 17 ProのローカルAIアプリ「PocketPal AI」に0.8BのQ4_K_Mを導入し、ジェイン・オースティン『高慢と偏見』の冒頭約280語を翻訳しています。出力時間は0.515秒。アインシュタイン『相対性理論』の第1章でも0.387秒でした。

これは通信を介していません。機内モードの端末上で計算が完結しています。PFNのデモ動画も同じ構成です。

私が試したのは2Bモデルですが、翻訳が「送って待つ」ものから「その場で出る」ものに変わると、使う場面そのものが変わります。観光地で看板をかざす。会議の資料をその場で読む。通信が細い場所で契約書を確認する。いずれも、原文を外部に送らない点が効きます。

無料の線引き——10億円ボーダーと11月9日の改訂

無料で商用利用できるという見出しは、条件を抜きにすると誤解を生みます。公開ライセンスの中身を確認しておきましょう。

適用されるのはPLaMoコミュニティライセンスです。個人の学習や趣味、学術を含む非商用利用は無償で、事前登録も不要。商用利用は、利用者または関係会社の直近事業年度の売上または収入が10億円以下なら、専用フォームで事前登録すれば無償で使えます。

10億円を超える場合は、個別の商用ライセンス契約が必要です。この線は発表当日から動いており、PFNは11月9日に公開後の反響を受けて契約文面を改訂しました。金額のボーダーは据え置きです。

注意したいのは、無料なのはモデルの利用権だという点です。端末代も電気代も、運用する人の工数も無料にはなりません。逆に言えば、APIの従量課金から解放される価値は小さくありません。導入前には必ず最新のライセンス条件を確認してください。

クラウド翻訳と、どう使い分けるか

既存サービスを置き換えるというより、担当する層が分かれます。選択肢を並べると違いが見えます。

選択肢	動作場所	オフライン	向く用途
PLaMo 3 Translate（ローカル）	端末・社内サーバー	可	機密文書、通信が不安定な現場、組み込み
PLaMo翻訳（SaaS）	クラウド	不可	ファイル・Webページ・会議の一括翻訳
DeepL・Google翻訳	クラウド	原則不可	手軽な短文、Web閲覧
汎用LLM	クラウド	不可	要約や解説を同時に頼む用途

使い分けの軸は3つです。原文を外に出せるか。通信があるか。訳文にどこまでの自然さを求めるか。

PLaMo翻訳のFreeプランは、月20万文字のブラウザ翻訳、5万文字のテキスト翻訳、ファイル翻訳1件が無料です。有料はLiteが月1,180円、Proが月2,980円。品質を確かめるだけならFreeで足ります。

私なら、日常の短文は既存サービス、社外秘の文書と現場の即時翻訳はローカル、という分担にします。両方を同じ用途で比べても、違いは見えにくいものです。

現場はどう変わるのか——医療・法務・製造・災害

翻訳の品質が上がることより、送信しなくてよいことが効く領域があります。4つ挙げます。

医療では、問診票や外国人患者への説明文を院内で訳せます。患者の情報を外部サーバーに送らない構成は、病院の情報管理方針と衝突しにくくなります。

法務では、契約書の下読みが現実的になります。用語集で社内の訳語を固定できるため、訳語の揺れを抑えられます。最終判断は人が行う前提です。

製造業では、海外拠点の作業手順書や設備マニュアルの翻訳が現場で完結します。ネットワークが制限された工場内でも動く点は大きい。災害時には、通信が途絶えた環境でも多言語対応が残ります。

一方で、翻訳者の仕事が消えるわけではありません。AIの初稿を人が直すMTPE型の運用が広がっており、求められるのは訳す力より、訳文の責任を負う力です。

課題は「53言語」の読み方にある

対応言語数は、そのまま双方向の翻訳品質を意味しません。ここは丁寧に読む必要があります。

PFNの評価は、日本語と多言語、英語と多言語の2方向が中心です。53言語の全組み合わせを等しく評価したわけではありません。多言語同士の翻訳も学習はされていますが、公開ベンチマークの対象は限られています。

31Bは310億パラメータあり、動かすには相応のメモリが要ります。手元のノートPCで気軽に、というサイズではありません。0.8Bと31Bでは訳文の傾向も変わります。

評価はPFN自身のベンチマークが中心で、比較対象も翻訳特化モデルに限られます。汎用LLMと比べて常に勝つとは限りません。固有名詞や文化的な含意は、用語集と文脈指定で補う前提で考えるのが現実的です。

それでも、4bit量子化しても精度劣化を抑えたという報告は、実運用の敷居を下げます。小型化と品質の両立は、この分野で最も実務的な課題でした。

市場はオフラインへ向かうのか

市場調査の数字は、方向性の参考になります。QY Researchの推計を見てみます。

AI翻訳の世界市場は、2025年の26.30億ドルから2026年には27.72億ドルへ。2032年には42.19億ドルまで、年平均7.2%で伸びる見通しです。伸び率は突出していません。単価が下がる市場だからです。

同レポートが今後の成長テーマに挙げるのは、リアルタイム同時通訳、音声対音声翻訳、オフライン翻訳、業界特化型LLM、翻訳メモリとの統合、エージェント連携です。オフライン翻訳がテーマとして明記されている点は、今回の発表と重なります。

単価が下がれば、翻訳はサービスから機能になります。機能になれば、アプリや機器に静かに組み込まれます。PLaMo 3 Translateは、その組み込み先を自分で決められる形で配られた初期例です。

【FAQ】PLaMo 3 Translateのよくある質問

読者から多かった疑問を整理しました。導入前に確認しておきたい点をまとめます。

無料で使えますか？	非商用は無償です。商用は直近売上10億円以下なら事前登録で無償、超過分は契約が必要です。
スマホで本当に動きますか？	0.8Bの量子化版なら動きます。GIGAZINEはiPhone 17 Proで0.5秒の翻訳を確認しています。
日本語は自然ですか？	敬体と常体を指定できます。自然さは文章の種類と用途によります。
DeepLより精度は高いですか？	一律には言えません。PFNの評価では日英で優位ですが、第三者の検証はこれからです。
31Bは家庭のPCで動きますか？	310億パラメータあり、相応のGPUメモリが必要です。まず0.8Bか2Bから試してください。
専用アプリは配布されていますか？	モデルのみです。PocketPal AIやLM Studioなど既存の実行環境に読み込ませます。
オフラインで本当に使えますか？	モデルを端末に置けば可能です。初回のダウンロードだけ通信が必要です。

まとめ——翻訳の置き場所が変わる

今回の発表を、性能競争の一コマとしてだけ読むと本質を見落とします。変わったのは数字ではなく、翻訳が動く場所です。

大きいモデルを安く使う競争は、これまでクラウドの中で起きていました。PLaMo 3 Translateが示したのは、その競争を端末の側へ引き戻す道です。0.8Bが30倍のモデルを上回るという主張が正しければ、翻訳は誰かのサーバーを借りる機能ではなくなります。

PFNは生成AI基盤モデルPLaMoを自社開発してきた企業です。NICTとの共同研究を土台に、翻訳という狭い領域へ計算を集中させました。汎用モデルを大きくする方向とは違う、絞り込みの設計です。

まずは手元で試すのが早いでしょう。0.8BのGGUFをダウンロードして、いつも訳している文章を流し込んでみてください。その差が自分の用途で出るかどうかは、ベンチマークではなく手元の一文で決まります。翻訳の置き場所を選べる時代を、今日から始めましょう。