Preferred Networks brengt PLaMo 3 Translate uit

Preferred Networks (PFN) brengt PLaMo 3 Translate op 5 november uit: vier open modelgroottes van 0,8B tot 31B parameters kunnen volgens het bedrijf 53 talen offline vertalen op eigen hardware.

Een contract, R&D-notitie of supportlog kan nu worden vertaald op een laptop of bedrijfsserver zonder de tekst naar een externe vertaaldienst te sturen. De modelaanvraag blijft dan binnen dat apparaat of die server, als de toepassing geen externe dienst aanroept. De kosten verschuiven naar hardware, installatie, updates en eigen kwaliteitscontrole.

Vier groottes, van telefoon tot server

De vier gewichten staan sinds de aankondiging op Hugging Face. PFN positioneert 0,8B voor smartphones, 2B voor kleine rekenomgevingen, 8B voor pc’s met een grafische kaart of interne servers, en 31B voor serveromgevingen die op hogere vertaalkwaliteit zijn gericht. Het bedrijf toont de kleinste versie in een smartphone-demo zonder internetverbinding.

De reeks ondersteunt 53 talen, waaronder Nederlands, Engels, Duits en Japans. De modellen kunnen ook omringende tekst en woordenlijsten gebruiken. Dat helpt bij namen, vaktermen en productnamen die in een losse zin lastig te vertalen zijn. Bij vertalingen naar het Japans kan de gebruiker bovendien kiezen tussen een formele en een gewone schrijfstijl.

Naast de standaard BF16-gewichten biedt PFN kleinere, gekwantiseerde versies aan. Er zijn onder meer GGUF-bestanden voor CPU’s en GPU’s, MLX-versies voor Apple Silicon en FP8-versies voor Nvidia-kaarten. PFN schrijft dat deze varianten in de eigen metingen vrijwel dezelfde nauwkeurigheid hielden als BF16. De modelkaart noemt Nederlands in de talenlijst en beschrijft de modelvarianten, zodat teams eerst op beschikbare hardware kunnen testen.

Lokaal draaien verplaatst de dataroute

Wanneer de gewichten op een eigen telefoon, laptop of server draaien, gaat de brontekst niet naar een externe vertaal-API. PFN zegt dat ook de vertaalde tekst niet naar een cloudserver wordt gestuurd. Dat kan relevant zijn voor contracten, onderzoeksdocumenten of klantgesprekken die een organisatie liever niet aan een externe modeldienst aanbiedt.

De inzet vraagt nog steeds beheer. Een organisatie moet bepalen wie documenten naar het model mag sturen, waar invoer en uitvoer worden opgeslagen, of back-ups synchroniseren en wie updates installeert. Offline verwerking haalt één externe overdracht uit de modelaanvraag, maar beantwoordt niet vanzelf vragen over toegang tot bestanden, logging of kwaliteit.

De stap past bij eerdere modellen voor lokale uitvoering, maar de taak verschuift. Liquid AI bracht een model van 230 miljoen parameters uit dat lokaal op een Raspberry Pi en telefoon draait, gericht op data-extractie en toolgebruik. PLaMo richt zich op vertaling. Aan de andere kant biedt Qwen realtimevertaling via een gehoste API met 60 invoertalen en 29 talen voor gesproken uitvoer. Die route verwerkt audio in een cloudomgeving; PLaMo levert gewichten die een organisatie zelf kan draaien.

De ranglijst meet vooral taalparen

PFN vergelijkt de modellen met Google TranslateGemma en Tencent Hy-MT2. In de eigen grafiek scoort PLaMo 0,8B voor Japans ↔ Engels ongeveer 0,67, tegenover circa 0,56 voor TranslateGemma 4B. Voor Japans ↔ andere talen staat de score rond 36 tegenover ongeveer 32. PFN zegt dat de kleinste versie op deze Japanse taalparen beter scoort dan bestaande gespecialiseerde vertaalmodellen met meer dan dertig keer zoveel parameters. Voor Engels naar andere talen zegt het bedrijf dat de 2B-versie alle modellen in de vergelijking voorbijgaat.

De grafiek gebruikt voor Japans ↔ Engels het gemiddelde van drie metingen, waaronder interne benchmarks. Voor meerdere talen rapporteert PFN FLORES+-scores op veertien bidirectionele taalparen. De cijfers zijn dus tests van de maker zelf, niet een onafhankelijke beoordeling van Nederlandse bedrijfsdocumenten. Intento vergeleek eerder 229 vertaalconfiguraties met vier Engelstalige zakelijke teksten en liet zien dat kwaliteit en meetbetrouwbaarheid per taal kunnen verschillen.

Google bracht in januari TranslateGemma uit met modellen van 4B, 12B en 27B parameters voor 55 talen en positioneerde de 4B-versie voor mobiele en randapparaten. De score van één Japanse taaltest zegt niet hoe een model met Nederlandse termen, contractclausules of interne productnamen omgaat. Daarvoor zijn eigen teksten nodig.

De licentie stelt een omzetgrens

Gratis commercieel gebruik geldt niet voor elk bedrijf. De PLaMo Community License staat dat toe wanneer de gebruiker of een gelieerde onderneming in het laatste boekjaar niet meer dan ¥1 miljard omzet of verkoop had en het gebruik vooraf registreert. Boven die grens is een aparte commerciële licentie nodig. De licentievoorwaarden leggen ook de registratieplicht en omzetgrens vast; de jaaromzet van de organisatie telt, niet alleen het budget van het team dat het model test.

Voor persoonlijk en niet-commercieel gebruik geldt geen omzetlimiet. Wie de modelmaterialen verder verspreidt, moet onder meer de licentie doorgeven en aangeven dat het product met PLaMo is gebouwd. De overeenkomst geeft geen garantie op nauwkeurigheid of geschiktheid en legt verantwoordelijkheid voor zakelijk gebruik bij de gebruiker. De term open-weight betekent hier dus dat de gewichten beschikbaar zijn, met voorwaarden die vooraf bij de beoogde inzet horen.

PLaMo voegt vertaling toe aan de reeks modellen die op eigen apparaten kunnen draaien, terwijl gehoste vertaaldiensten een andere route blijven bieden. De praktische keuze hangt af van taalpaar, hardware, toegangsbeheer en licentie, naast de kwaliteit op eigen documenten. De gepubliceerde scores beantwoorden die laatste vraag niet: ze komen van PFN en richten zich vooral op Japanse taalparen. Nederlandse organisaties zullen de modeluitvoer daarom op hun eigen termen en teksten moeten beoordelen.