新智元報(bào)道

編輯：KingHZ

【新智元導(dǎo)讀】谷歌強(qiáng)勢回應(yīng)OpenAI：開源TranslateGemma模型，支持55種語言，效率驚人！12B參數(shù)超越27B基線，手機(jī)端輕松運(yùn)行，真正速通「巴別塔」。

語言的邊界，正被AI一一抹平。

OpenAI悄悄發(fā)布了翻譯產(chǎn)品ChatGPT Translate，谷歌則祭出強(qiáng)勢回應(yīng)——

TranslateGemma，一個能在手機(jī)上翻55種語言的開源模型。

AI正在徐徐開啟巴別塔之門。

從語義潤色到圖文混合，從文風(fēng)調(diào)節(jié)到設(shè)備端運(yùn)行，AI翻譯不再是「你說我譯」，而是對人類溝通方式的全新重構(gòu)。

不同于OpenAI幾乎悄無聲息的上線ChatGPT翻譯，谷歌全網(wǎng)高調(diào)宣布發(fā)布了支持55種語言的開源翻譯模型TranslateGemma。

這的確值得一說，AI正在降低溝通障礙，全網(wǎng)好評不斷。

ChatGPT：偷襲谷歌翻譯

近日，OpenAI首次挑戰(zhàn)谷歌翻譯。

一款名為ChatGPT Translate的獨(dú)立翻譯工具，低調(diào)上線了。

OpenAI 幾乎沒有任何公開宣傳，目前都不知道ChatGPT Translate具體何時上線。

互聯(lián)網(wǎng)檔案館（Internet Archive）的Wayback Machine上有一張11月份的網(wǎng)頁快照：

https://web.archive.org/web/20251119103023/https://chatgpt.com/translate/

看起來與當(dāng)前頁面幾乎一致，但這也可能只是 OpenAI 在測試該工具的線上版本。

該工具支持超過 50 種語言，基礎(chǔ)界面與谷歌翻譯高度相似。

左右滑動查看

但在功能邏輯上，ChatGPT翻譯引入了生成式AI的核心優(yōu)勢，最大亮點(diǎn)在于翻譯后的「二次加工」能力：

用戶可以通過預(yù)設(shè)的提示詞選項(xiàng)，一鍵調(diào)整譯文的語氣，如「更流利」、「商務(wù)正式」、「兒童易懂」或「學(xué)術(shù)風(fēng)格」，從而實(shí)現(xiàn)針對不同受眾的精準(zhǔn)表達(dá)。

然而，作為初版產(chǎn)品，它目前在功能完整性上仍落后于谷歌，暫不支持文檔、網(wǎng)頁及手寫翻譯、圖片翻譯功能。

目前，ChatGPT Translate僅以網(wǎng)頁形式存在，并沒有專門的App。

因此，離線使用似乎仍無從談起。

如果沒有一款支持端側(cè)翻譯的應(yīng)用，ChatGPT Translate對于在無網(wǎng)絡(luò)的偏遠(yuǎn)地區(qū)旅行的用戶來說可能并不實(shí)用。

另外，它也尚未提供實(shí)時對話翻譯功能。相比之下，谷歌的Pixel 10現(xiàn)在已經(jīng)支持通話語音實(shí)時翻譯。

此前，ChatGPT已可以用于多語言翻譯任務(wù)，但這還是OpenAI第一次推出獨(dú)立的AI翻譯服務(wù)，而且無需登錄可免費(fèi)使用。

2023年，沃頓商學(xué)院教授Ethan Mollick就注意到，ChatGPT翻譯能力出色：

盡管ChatGPT就是為了英語中使用而構(gòu)建，并不是翻譯工具，但在一些小規(guī)模測試中，在翻譯能力上，ChatGPT經(jīng)常優(yōu)于Google Translate（谷歌翻譯）。

2024年，美國明尼蘇達(dá)州政府利用ChatGPT加快并擴(kuò)大面向非英語居民的翻譯服務(wù)

• 明尼蘇達(dá)州企業(yè)翻譯辦公室使用ChatGPT將政府文件翻譯成多種語言

• 人工智能輔助流程將翻譯時間從數(shù)周縮短至48小時以內(nèi)

• 自實(shí)施以來，該辦公室已處理了3000份翻譯請求，累計(jì)翻譯超過200萬字

去年，網(wǎng)友使用過ChatGPT翻譯功能后，直呼：頭皮發(fā)麻，這就是雙語實(shí)時翻譯天花板。

ChatGPT Translate的問世標(biāo)志著翻譯工具正從單純的「語言轉(zhuǎn)換」向注重語境與交互的「智能適應(yīng)」方向演進(jìn)。

不過，盡管這些語氣與語境方面的能力頗具吸引力，ChatGPT Translate與谷歌翻譯相比仍顯得有些「半成品」——

后者已發(fā)展了數(shù)十年，最近還通過基于Gemini的改版進(jìn)一步增強(qiáng)了對習(xí)語和俚語理解的支持。

而且，谷歌這次直接開源了最新的翻譯AI模型，直面ChatGPT的挑戰(zhàn)。

谷歌TranslateGemma讓手機(jī)翻譯55種語言

基于Gemma 3，谷歌發(fā)布了開源翻譯模型TranslateGemma，它非�？幔�

• 支持55種語言，并在近500種附加語言對上進(jìn)行了訓(xùn)練，以供進(jìn)一步研究

• 效率出色：12B模型超越了27B基線模型，在參數(shù)數(shù)量不到一半的情況下實(shí)現(xiàn)了更優(yōu)的性能

• 保留多模態(tài)能力：能夠翻譯圖像中的文本，而無需特定的多模態(tài)訓(xùn)練

• 靈活的部署選項(xiàng)：4B適用于移動設(shè)備/邊緣設(shè)備，12B適用于消費(fèi)級筆記本電腦，27B適用于云GPU/TPU

在對模型的技術(shù)評估中，最令人矚目的發(fā)現(xiàn)是它們的效率表現(xiàn)。

12B參數(shù)規(guī)模的TranslateGemma模型，在WMT24++基準(zhǔn)測試中使用 MetricX 衡量后，性能超越了27B的Gemma 3基線模型。

這對開發(fā)者來說無疑是巨大利好：只需不到一半的參數(shù)量，就能實(shí)現(xiàn)高度保真（high-fidelity）的翻譯質(zhì)量。

這項(xiàng)效率上的突破，意味著可以在不犧牲準(zhǔn)確性的前提下，實(shí)現(xiàn)更高的吞吐量與更低的延遲。

同樣值得注意的是，4B模型的表現(xiàn)已接近原本的12B基線水平，這使得它成為移動端推理的理想選擇。

這意味著開發(fā)者可以構(gòu)建完全在設(shè)備端運(yùn)行的低延遲翻譯工具。

TranslateGemma的背后，源自Gemini模型體系。

之所以能實(shí)現(xiàn)如此高密度的智能表現(xiàn)，關(guān)鍵在于一種專門設(shè)計(jì)的雙階段微調(diào)流程，將Gemini模型的「直覺」成功蒸餾并融入開放架構(gòu)中。

第一階段：監(jiān)督式微調(diào)（SFT）

他們以Gemma 3的基礎(chǔ)模型為起點(diǎn)，使用多樣化的平行語料進(jìn)行微調(diào)。這些語料既包含由人工翻譯的高質(zhì)量文本，也涵蓋由最先進(jìn)的Gemini模型生成的高質(zhì)量合成譯文，覆蓋范圍廣泛，甚至在低資源語言上也能保持出色的翻譯保真度。

第二階段：強(qiáng)化學(xué)習(xí)優(yōu)化（RL）

為了進(jìn)一步提升翻譯質(zhì)量，他們引入了創(chuàng)新性的強(qiáng)化學(xué)習(xí)環(huán)節(jié)。在這一階段，他們構(gòu)建了一套獎勵模型的集成系統(tǒng)，包括MetricX-QE和AutoMQM等先進(jìn)評估指標(biāo)，引導(dǎo)模型生成更具上下文準(zhǔn)確性、聽起來更自然的譯文。

此外，TranslateGemma延續(xù)了Gemma 3在多模態(tài)方面的強(qiáng)大能力。

在Vistra圖像翻譯基準(zhǔn)上的測試表明，即使在訓(xùn)練過程中并未專門進(jìn)行多模態(tài)微調(diào)，其文本翻譯能力的提升也顯著增強(qiáng)了模型處理圖像中文字翻譯的表現(xiàn)。

這意味著，TranslateGemma 在文字與圖像的交叉處理能力上，也具有天然的優(yōu)勢。

這場由OpenAI與谷歌引燃的AI翻譯之爭，早已超越「誰更準(zhǔn)確」的爭議，而是走向「誰能更像人、誰能真正懂人」的深層較量。

從語言模型到語境模型，再到認(rèn)知協(xié)同系統(tǒng)，AI正在讓世界重寫溝通規(guī)則。

而真正的贏家，或許是全人類。

參考資料：

https://blog.google/innovation-and-ai/technology/developers-tools/translategemma/

https://www.androidauthority.com/chatgpt-translate-3632584/

https://chatgpt.com/zh-Hans-CN/translate/

https://x.com/GoogleDeepMind/status/2011848249850630363