PLaMo 3 Translate: Japans Übersetzungs-KI läuft offline sogar auf dem iPhone

Worum es geht

Preferred Networks (PFN), eines der bekanntesten KI-Unternehmen Japans, hat am 5. November 2026 sein auf Übersetzung spezialisiertes Sprachmodell PLaMo 3 Translate als Open-Weight-Modell veröffentlicht. Die Gewichte stehen auf Hugging Face zum Download, in vier Größen: 0.8B, 2B, 8B und 31B (also 0,8 bis 31 Milliarden Parameter). PFN spricht von Übersetzungsleistung auf „weltweitem Spitzenniveau“. Das Modell steckt auch hinter dem kostenpflichtigen Dienst „PLaMo-Übersetzung“, den PFN bereits am 7. Oktober 2026 auf die dritte Modellgeneration umgestellt hatte.

Das Besondere: Das Modell ist ausschließlich fürs Übersetzen gebaut, nicht fürs Plaudern. Und gerade die kleinen Versionen sind so kompakt, dass sie auf Smartphones und Laptops ohne Internetverbindung laufen – der Text muss also nie an einen Cloud-Dienst geschickt werden.

Was das Modell kann

PLaMo 3 Translate unterstützt 53 Sprachen. In PFNs Mehrsprachen-Tests tauchen unter anderem Deutsch, Englisch, Französisch, Spanisch, Italienisch, Niederländisch, Russisch, Chinesisch (vereinfacht und traditionell), Koreanisch, Arabisch, Thai, Vietnamesisch und Indonesisch auf. Der Schwerpunkt liegt aber klar auf Japanisch und Englisch.

Dazu kommen einige praktische Optionen:

• Umgebender Kontext: Man kann dem Modell den Text rund um die zu übersetzende Passage mitgeben, damit es Bezüge richtig versteht.
• Glossar: Für Eigennamen und Fachbegriffe lässt sich vorgeben, wie sie übersetzt werden sollen.
• Stilform im Japanischen: Wählbar ist die höfliche „desu/masu“-Form oder die neutrale „da/de aru“-Form.
• In PFNs eigenem Test für Webseiten-Übersetzung bleiben HTML-Tags erhalten – wichtig, wenn man etwa per Browser-Erweiterung ganze Seiten übersetzt.

Die Details zur Bedienung stehen laut PFN in den Modellkarten auf Hugging Face.

Die vier Größen und der Praxistest

Das japanische Techmagazin Gigazine hat die kleinen Varianten gleich ausprobiert. Das 0.8B-Modell lief auf einem iPhone 17 Pro über die App PocketPal AI in der Quantisierung Q4_K_M – Quantisierung heißt, dass das Modell kleiner wird, weil seine Zahlen gröber gespeichert werden. Den Anfang von Jane Austens „Stolz und Vorurteil“ (rund 280 Wörter) übersetzte es ins Japanische in 0,515 Sekunden, das erste Kapitel von Einsteins Schrift zur Relativitätstheorie in 0,387 Sekunden. Gigazine beschreibt die Ergebnisse als sehr natürliches Japanisch ohne zerbrochene Grammatik und nennt die Geschwindigkeit offline „ziemlich schockierend“. Das 2B-Modell testete die Redaktion in LM Studio auf einem Laptop ohne eigene Grafikkarte mit der Zusammenfassung des berühmten Transformer-Papers „Attention Is All You Need“ – ebenfalls schnell und mit hoher Genauigkeit.

PFN selbst zeigt eine interne Demo, in der das 0.8B-Modell im Flugmodus auf dem Smartphone übersetzt. Eine eigene App dafür bietet PFN laut Tech-Blog aber derzeit nicht an.

So hat PFN das Modell trainiert

Im Tech-Blog erklärt PFN, dass der Schlüssel weniger in neuen Trainingsmethoden als in besseren Daten liege. Ausgangspunkt ist ein Basismodell der dritten PLaMo-Generation, laut einem Erklärbeitrag auf note.com das gemeinsam mit dem japanischen Forschungsinstitut NICT entwickelte „PLaMo 3 NICT“ mit rund 30 Prozent japanischen Trainingsdaten.

Die Trainingspaare (Originaltext plus Übersetzung) entstanden so:

• Originaltexte sammeln: Aus großen Web-Datensätzen wurden möglichst muttersprachliche, vielfältige Texte gefiltert – Spam-Seiten raus, keine bereits maschinell übersetzten Texte, keine Sprachmischungen. Es gibt sogar eigene Filter, die etwa Malaiisch aus indonesischen Texten heraushalten oder automatisch von vereinfachtem in traditionelles Chinesisch umgewandelte Texte erkennen.
• Turnier-Datensynthese: Googles offenes Modell Gemma 4 31B IT erzeugte mehrere Übersetzungen pro Text. Diese traten paarweise gegeneinander an; der Sieger kam weiter, übernahm aber gute Formulierungen des Verlierers. So entstand Runde für Runde eine bessere Übersetzung.
• Rückübersetzung: Das Modell lernt auch die umgekehrte Richtung – von der KI-Übersetzung zurück zum menschlich geschriebenen Original. So lernt es, flüssige, natürliche Sätze zu schreiben statt nur KI-Deutsch zu imitieren.
• Iterative Selbst-Destillation: Zwischenversionen von PLaMo 3 Translate erzeugten selbst neue Übersetzungen; waren sie besser als die vorhandenen Trainingsdaten, wurden diese ersetzt – und das Modell neu trainiert.

Insgesamt kamen so rund 37,3 Milliarden Tokens (Textbausteine) zusammen: 33,9 Milliarden für die Grundausbildung, danach 3,4 Milliarden besonders hochwertige Tokens aus Fachartikeln, Nachrichten, technischen Dokumenten und Webseiten. Danach folgte DPO (Direct Preference Optimization – das Modell lernt aus Paaren „bessere vs. schlechtere Übersetzung“). Beim 31B-Modell wurde dieser Schritt in zwei Stufen durchgeführt. Ein Beispiel von Gigazine: Aus „seeing happy customers made it all worth it“ wurde nach dem Feinschliff eine deutlich natürlichere japanische Formulierung. Die Modelle bis 8B lernten zusätzlich per Destillation vom 31B-Modell – das große Modell dient als Lehrer für die kleinen.

Gemessen hat PFN mit zwei hauseigenen Benchmarks (PFTB für lange, anspruchsvolle Japanisch-Englisch-Texte; SaaS für Webseiten mit HTML) sowie den öffentlichen Tests WMT24++ und FLORES+. Die Hauseigenen bevorzugt PFN nach eigener Aussage, weil WMT24++ aus kurzen Sätzen mit teils fragwürdigen Referenzübersetzungen bestehe.

Formate und Lizenz

Jede Größe gibt es in mehreren Formaten. PFN quantisierte unter anderem mit AutoRound und gibt an, dass der Qualitätsverlust gegenüber der unkomprimierten BF16-Version in allen Formaten minimal sei.

Veröffentlicht wird unter der PLaMo Community License. Privat, für Hobby, Lernen und Forschung ist die Nutzung kostenlos und ohne Registrierung. Kommerziell dürfen Firmen und Einzelpersonen das Modell nach Registrierung über ein Formular gratis einsetzen, solange ihr Umsatz im letzten Geschäftsjahr höchstens 1 Milliarde Yen beträgt (ITmedia schreibt „unter“ 1 Milliarde Yen). Größere Unternehmen brauchen einen eigenen Lizenzvertrag. Eine klassische Open-Source-Lizenz ist das also nicht.

Was du zum Ausprobieren brauchst

• 0.8B: läuft auf aktuellen Smartphones (getestet: iPhone 17 Pro mit PocketPal AI, Q4_K_M) und auf praktisch jedem PC oder Mac, auch nur mit Prozessor. Die 4-Bit-Datei ist unter 1 GB groß.
• 2B: läuft laut Gigazine flott auf einem Laptop ohne Grafikkarte in LM Studio; rund 2–3 GB RAM reichen.
• 8B: am besten mit Grafikkarte ab etwa 6–8 GB VRAM (4-Bit); auf dem Mac ab 16 GB gemeinsamem Speicher über die MLX-Version. Auf der CPU geht es, aber langsamer.
• 31B: in 4 Bit grob 20 GB VRAM (etwa RTX 3090/4090) oder ein Mac mit 32 GB und mehr. Für die FP8- und NVFP4-Varianten braucht es neuere Nvidia-Karten.

Auf Google Colab lassen sich die kleinen und mittleren Varianten mit der kostenlosen GPU ebenfalls testen.

Einordnung

PLaMo 3 Translate ist eine der bislang stärksten Ansagen für lokale Übersetzung: Ein 0,8B-Modell, das auf dem Handy in Sekundenbruchteilen natürliches Japanisch liefert, macht Offline-Übersetzung für Reisen, Katastrophenschutz oder vertrauliche Firmendokumente realistisch – genau die Einsatzfelder, die PFN selbst nennt. Direkte Konkurrenten sind Googles TranslateGemma und Tencents Hy-MT2, beide ebenfalls offen verfügbar.

Einschränkungen gibt es trotzdem. Alle Leistungsvergleiche stammen von PFN selbst, überwiegend aus hauseigenen Benchmarks; unabhängige Messungen stehen noch aus. Der Fokus liegt klar auf Japanisch: Wie gut etwa Deutsch–Französisch oder Deutsch–Englisch im Vergleich zu DeepL oder großen Chat-Modellen abschneidet, belegen die Quellen nicht. Die positiven Praxistests von Gigazine betrafen Englisch–Japanisch. Und die Lizenz ist großzügig, aber mit Umsatzgrenze und Registrierungspflicht für kommerzielle Nutzung. Für alle, die viel mit Japanisch arbeiten oder ein schnelles, privates Übersetzungsmodell für schwache Hardware suchen, ist das Modell jedoch einen Test wert.