Preferred Networks a publié quatre modèles de traduction dont les poids sont téléchargeables, de 0.8B à 31B paramètres, pour 53 langues prises en charge. L’usage commercial exige un enregistrement, et les entreprises dont le chiffre d’affaires dépasse 1 milliard de yens ont besoin d’une licence distincte.
La question à laquelle répond cet article
Un développeur ou une entreprise peut-il faire tourner PLaMo 3 Translate hors ligne pour ses propres travaux de traduction, à quelles conditions de licence, sur quel matériel, et jusqu’où peut-on se fier aux affirmations de PFN sur la qualité ? Les réponses ci-dessous proviennent des pages de Preferred Networks et de ses fiches de modèle, et chaque chiffre est attribué à la page dont il est tiré.
Ce qui a été publié
L’entreprise japonaise Preferred Networks (PFN) a annoncé PLaMo 3 Translate le 5 novembre 2026. Le communiqué de presse de PFN le présente comme une publication à poids ouverts de grands modèles de langage spécialisés dans la traduction, construits sur PLaMo 3 NICT, un modèle préentraîné issu de la recherche menée conjointement par PFN et l’Institut national japonais des technologies de l’information et de la communication (NICT). « À poids ouverts » (open-weight) est le terme employé par PFN. Il signifie que les poids peuvent être téléchargés, et la licence décrite plus bas limite la manière dont ils peuvent être utilisés. L’historique des commits du dépôt 8B montre l’arrivée des poids sur Hugging Face le 4 novembre (UTC) et une révision de la licence le 9 novembre.
| Dépôt du modèle | Paramètres, métadonnées Hugging Face | Fichiers de poids BF16 | Fichiers de poids GGUF Q4_K_M |
|---|---|---|---|
| plamo-3-translate-0.8b | 0,89 milliard | 1,78 GB | 0,57 GB |
| plamo-3-translate-2b | 2,88 milliards | 5,76 GB | 1,81 GB |
| plamo-3-translate-8b | 8,53 milliards | 17,06 GB | 5,28 GB |
| plamo-3-translate-31b | 31,76 milliards | 63,51 GB | 19,53 GB |
Source : les fiches de modèle de PFN, où PFN définit la taille comme « la taille totale des fichiers de poids ». Il s’agit de tailles de fichiers, et non de la mémoire nécessaire pour faire tourner un modèle, et les fiches ne donnent aucun chiffre de RAM, de VRAM ou de vitesse. Les noms des modèles reprennent les tailles nominales de PFN, si bien que le modèle « 2B » compte 2,88 milliards de paramètres.
Le communiqué de presse de PFN montre le modèle 0.8B en train de traduire sur un smartphone en mode avion, avec une légende indiquant qu’il fonctionne à vitesse normale dans un environnement de démonstration. Le billet technique de PFN précise qu’il s’agit d’une démonstration interne et que PFN n’a pas publié d’application de ce type.
Les formats et le matériel visé
Le billet technique de PFN énumère sept formats pour chaque taille, ainsi que le matériel visé par chacun.
| Format | Matériel visé | Moteur d’inférence |
|---|---|---|
| BF16 | GPU prenant en charge BF16 | Transformers ou vLLM |
| FP8 | NVIDIA Ada Lovelace, Hopper ou Blackwell | vLLM |
| W4A16 | NVIDIA Ampere ou plus récent | vLLM |
| W4AFP8 | NVIDIA Hopper | vLLM |
| NVFP4 | NVIDIA Blackwell | vLLM |
| GGUF | CPU et GPU | llama.cpp |
| MLX-4bit | Apple silicon | mlx-lm |
Source : billet technique de PFN. D’après ce tableau, cinq des sept formats sont des formats pour GPU NVIDIA servis avec vLLM, et les versions GGUF et MLX sont les voies d’accès pour un ordinateur portable ou un ordinateur de bureau. Le guide de TechiesJournal sur le choix entre Ollama et llama.cpp (en anglais) traite de ce choix d’environnement d’exécution. Le code du modèle est livré dans le dépôt, et chaque exemple de la fiche du modèle 8B le charge avec trust_remote_code=True. Examinez ce code avant de l’exécuter sur un serveur d’entreprise, et consultez l’article de TechiesJournal sur ce qu’une équipe prend en charge lorsqu’elle exploite ses propres modèles.
Langues et fonctionnalités
Les fiches de modèle indiquent que chaque modèle prend en charge la traduction entre 53 langues. PFN compte séparément le chinois simplifié et le chinois traditionnel, ce qui explique pourquoi Hugging Face en affiche 52. Le billet technique de PFN précise que son évaluation porte sur un sous-ensemble des langues prises en charge, 15 au total : arabe, italien, indonésien, anglais, japonais, néerlandais, coréen, espagnol, thaï, chinois (simplifié et traditionnel), allemand, français, vietnamien et russe. Les 38 autres, par exemple le hindi et le télougou, sont prises en charge, et le billet indique que le modèle a aussi été entraîné sur ces langues.
Le communiqué de presse de PFN décrit une traduction qui tient compte du contexte environnant, des glossaires pour les noms propres, le jargon technique et les noms de produits, ainsi que le choix entre un japonais soutenu et un japonais courant lors d’une traduction vers le japonais.
Licence
| Usage | Condition | Source |
|---|---|---|
| Personnel, et non commercial y compris académique | Gratuit, sans enregistrement préalable ni plafond de chiffre d’affaires | Fiche de modèle |
| Commercial, utilisateur et sociétés affiliées dont le chiffre d’affaires ou les ventes ne dépassent pas 1 milliard de yens | Enregistrement préalable auprès de PFN | Licence, article 3 |
| Commercial, au-delà de 1 milliard de yens | Un contrat de licence distinct avec PFN | Fiche de modèle |
La PLaMo Community License définit la finalité commerciale comme tout usage allant au-delà d’un usage personnel ou académique, y compris l’usage au sein de la propre organisation de l’utilisateur et via des services d’hébergement ou des API. L’usage interne à une entreprise compte donc comme un usage commercial. Lorsqu’un modèle ou un modèle dérivé est fourni à des tiers, la licence exige une copie de la licence, une mention « Built with PLaMo » et « PLaMo » dans le nom du modèle. Le texte a été révisé le 9 novembre 2026. Il indique désormais que les traductions produites peuvent être partagées sans mention du modèle, sauf qu’un livre, un article scientifique ou une publication longue similaire doit indiquer que PLaMo a été utilisé pour la traduction. Le communiqué de presse de PFN porte un avis de correction daté du 5 novembre. Appuyez-vous donc sur le texte de la licence et non sur l’annonce. Lisez la licence au regard de votre propre situation, car cet article ne constitue pas un avis juridique.
Ce que PFN rapporte et comment il a mesuré
PFN a comparé ses modèles à deux familles spécialisées dans la traduction, TranslateGemma de Google (4B, 12B et 27B) et Hy-MT2 de Tencent (1.8B, 7B et 30B-A3B), dans la figure de ses fiches de modèle. PFN affirme que le modèle 0.8B les surpasse tous pour le japonais-anglais et pour le japonais vers d’autres langues, et que le modèle 2B en fait autant pour l’anglais vers d’autres langues. PFN affirme aussi que ses résultats justifient de qualifier PLaMo 3 Translate de « meilleur LLM spécialisé dans la traduction au monde ».
| Benchmark | Origine | Sens de traduction | Métrique |
|---|---|---|---|
| PFTB | Interne à PFN, références rédigées avec plusieurs LLM | Du japonais vers l’anglais et de l’anglais vers le japonais | Similarité de n-grammes charsim |
| SaaS | Interne à PFN | De l’anglais vers le japonais uniquement | Similarité de n-grammes charsim |
| WMT24++ | Public | De l’anglais vers le japonais | COMET-22 |
| FLORES+ | Public | Japonais ou anglais avec chacune de 14 autres langues | chrF++ |
Source : billet technique de PFN. PFN indique s’être appuyé principalement sur PFTB et SaaS, car WMT24++ se compose de phrases courtes et soulève des réserves sur la qualité de ses références, et la figure de sa publication porte la légende « Based on PFN evaluations, including proprietary benchmarks » (d’après les évaluations de PFN, y compris des benchmarks propriétaires). Ce sont les propres résultats de PFN. Aucune reproduction indépendante n’est citée, et cet article ne les a pas reproduits. Pour savoir comment lire ce type d’affirmation, consultez le guide de TechiesJournal sur la lecture des affirmations de benchmark en IA (en anglais).
PFN affirme que presque tous les formats quantifiés conservent une précision proche de celle de BF16. Ses propres tableaux, dans les fiches de modèle, montrent que les versions GGUF Q2_K à 2 bits perdent davantage. Pour le modèle 0.8B, le score FLORES+ de l’anglais avec les autres langues passe de 54,44 en BF16 à 51,15 en Q2_K.
Ce qu’il faut vérifier avant de l’adopter
- Enregistrement : une entreprise qui utilise les modèles pour ses travaux internes en fait un usage commercial. Vérifiez donc le critère de chiffre d’affaires et enregistrez-vous d’abord.
- Confidentialité : PFN affirme que, lorsque le modèle tourne en local, ni le texte source ni la traduction ne sont envoyés vers des serveurs cloud externes. Cela ne couvre que le modèle, et une application qui l’entoure, par exemple l’OCR, la journalisation ou la télémétrie, peut tout de même envoyer du contenu ailleurs.
- Longueur : les fiches de modèle indiquent 32 768 jetons comme maximum pour l’entrée et la sortie réunies. Découpez donc les documents plus longs.
- Vos langues : testez les paires de langues exactes, la terminologie et les formats de fichiers que vous traduisez, en particulier en dehors des 15 langues évaluées.
Sources
- Preferred Networks news release, November 5, 2026
- Preferred Networks technical post
- PLaMo 3 Translate 0.8B
- PLaMo 3 Translate 2B
- PLaMo 3 Translate 8B model card
- PLaMo 3 Translate 31B
- PLaMo Community License text
Sources consultées le 12 novembre 2026. Les résultats de benchmark sont ceux de PFN et n’ont pas été reproduits pour cet article, et les conditions de licence et les dépôts peuvent changer.