10月7日，日本AI企业Preferred Networks（PFN）正式发布其新一代翻译模型PLaMo 3 Translate 31B。这款完全由日本自主研发的模型，基于PLaMo 3基础模型构建，训练数据中日语占比约30%，在四项翻译基准测试中的平均分数优于OpenAI的GPT-6.1 Sol和GPT-6 Astra。
语言覆盖跃升：从2种到53种
PLaMo 3 Translate 31B最直观的升级是语言支持范围的扩展。上一代模型仅支持日语与英语两种语言，新模型一举扩展至53种语言，并引入覆盖15种语言的在线会议翻译模式。这意味着该模型不仅能服务于日英互译的传统场景，还能支持多语言环境下的实时会议沟通。
对于一家日本企业而言，日语翻译的质量是其核心竞争力所在。PFN特别强调该模型“精于日语同时兼顾其它语言”，训练数据中约30%为日语，这一比例远高于通用大模型中的日语占比，使其在处理日语特有的敬语体系、语境依赖和省略表达时具备天然优势。
性能对标：四项基准平均分超越GPT-6系列
PFN宣称，PLaMo 3 Translate 31B在四项翻译基准测试中的平均分数超越了OpenAI的两款旗舰模型——GPT-6.1 Sol和GPT-6 Astra。虽然官方未公布具体的分项得分，但将“超越GPT-6系列”作为核心卖点，显示出PFN对自身日语翻译能力的充分自信。
值得注意的是，GPT-6.1 Sol是OpenAI于2026年下半年发布的旗舰模型，GPT-6 Astra则是其下一代预览版本。能在翻译这一垂直领域实现对标乃至超越，说明“专用模型”在特定语言任务上仍具有通用大模型难以替代的优势。
成本优势：每10万字符仅14日元
定价方面，PLaMo 3 Translate 31B的输入成本为每10万字符14日元（约合0.59元人民币），PFN称这一价格“显著低于竞品”。
这一成本优势来自两方面：一是模型参数规模控制在31B，远低于动辄数千亿参数的通用大模型，推理成本天然更低；二是针对日语的高效处理能力，减少了处理同等内容所需的Token消耗。对于需要大批量翻译文档、合同或会议记录的企业用户而言，这一成本结构具有明确的吸引力。
日本AI自主化的缩影
PLaMo 3 Translate 31B的发布，是日本推进“主权AI”战略的又一落点。PFN作为日本本土最重要的AI企业之一，此前已推出PLaMo系列基础模型。此次发布完全由日本自主研发的翻译模型，既是对日本国内多语言翻译需求的回应，也是在全球AI供应链中争取技术自主的一步。
在全球AI竞争格局中，日本的选择与美国、中国、欧洲均有所不同——它不追求参数规模上的军备竞赛，而是聚焦于日语场景的深度优化，以“专用、高效、低成本”作为差异化竞争策略。
PLaMo 3 Translate 31B的意义，在于它证明了“垂直专用模型”在特定语言任务上仍能超越通用旗舰模型。当大多数厂商在通用能力上贴身缠斗时，PFN选择了一条更窄但更深的路径——把日语翻译做到极致。对于一个非英语国家而言，这或许是最务实的AI自主化策略：不追求在所有维度上与世界最强模型竞争，而是在本国语言的战场上建立起不可替代的优势。