TranslateGemma 12B

TranslateGemma 12B 是 Google DeepMind 发布的开源翻译模型系列中的中等尺寸版本。该模型在性能与效率之间取得了极佳平衡，官方数据显示其翻译质量超越了参数量更大的 Gemma 3 27B 基线模型。

1. 模型简介与核心特点
- 发布机构: Google DeepMind
- 发布时间: 2026年1月15日
- 核心优势: “以小博大”，通过高质量数据微调和强化学习，在 12B 尺寸上实现了超越前代更大模型的翻译准确率。

2. 架构与技术规格
- 模型参数: 约 13 亿 (HuggingFace 标注 13B，对应 12B 命名)。
- 训练流程: 采用两阶段微调：(1) SFT：混合人类翻译与 Gemini 合成数据；(2) RL：使用 MetricX-QE 等奖励模型进行偏好优化。
- 架构: 基于 Transformer Decoder，继承了 Gemma 3 的多模态理解能力。

3. 核心能力与支持模态
- 多模态翻译: 原生支持图像输入，可直接翻译图片内的文本信息，无需额外的 OCR 步骤，且在 Vistra 基准测试中表现优异。
- 语言支持: 覆盖 55 种核心语言，并在罗曼语族和日耳曼语族上表现出显著的质量提升。

4. 性能与基准评测
- WMT24++: 在 MetricX 评分体系下，12B 版本的误差率低于 Gemma 3 27B 基线模型。
- 效率: 适合在消费级 GPU（如 NVIDIA RTX 4090）或高性能笔记本上运行。

5. 应用场景与限制
- 推荐场景: 本地化工作流、开发者工具集成、高性能桌面应用、学术研究。
- 输入限制: 用户角色输入必须遵循特定的 JSON 列表格式，包含 source/target 语言代码。

6. 访问方式
- 协议: Gemma Terms of Use。
- 获取: Hugging Face, Kaggle。