PLaMo 3 Translate ra mắt 05/11/2026, bản 0.8B chạy trên iPhone và hãng tự đo vượt model lớn hơn 30 lần ở dịch Nhật-Anh

Sáng 05/11/2026, Preferred Networks mở weights PLaMo 3 Translate, model dịch chuyên biệt của hãng. Bản nhỏ nhất 0.8B chỉ nặng 0,57 GB ở file GGUF Q4_K_M, đủ nhẹ để chạy trên điện thoại mà không gửi dữ liệu lên cloud. Hãng tự đo bản 0.8B này vượt cả model lớn hơn nó 30 lần về số tham số ở dịch Nhật-Anh, nhưng đó là số hãng tự đo, chưa có kiểm chứng độc lập.

Chọn nhanh: Điện thoại, dùng PLaMo 3 Translate 0.8B, file GGUF Q4_K_M 0,57 GB, chạy bằng PocketPal AI. Máy tính nhỏ hoặc laptop thường, dùng PLaMo 3 Translate 2B, file GGUF Q4_K_M 1,81 GB. PC có GPU hoặc server nội bộ, dùng PLaMo 3 Translate 8B, file GGUF Q4_K_M 5,28 GB. Server đòi chất lượng cao nhất, dùng PLaMo 3 Translate 31B, file GGUF Q4_K_M 19,53 GB, file BF16 63,51 GB.

License: Doanh nghiệp có doanh thu từ 1 tỉ JPY trở xuống trong năm tài chính gần nhất thì dùng thương mại miễn phí nhưng phải đăng ký trước qua form, cá nhân và học thuật miễn phí không cần đăng ký, vượt 1 tỉ JPY thì phải ký license riêng với PFN.

Tiếng Việt: Tiếng Việt mã vi nằm trong 53 ngôn ngữ hỗ trợ và trong 15 ngôn ngữ được đánh giá FLORES+, nhưng hãng chưa công bố điểm riêng cho cặp Việt-Nhật hay Việt-Anh và chưa có test tiếng Việt nào tính tới 06/11/2026.

PLaMo 3 Translate 0.8B chạy trên iPhone 17 Pro hết 0,515 giây cho 280 từ Anh-Nhật

PFN công bố PLaMo 3 Translate ngày 05/11/2026, và thứ đáng chú ý nhất là bản nhỏ nhất 0.8B chạy được trên điện thoại. Mình nghía qua bảng số trước đã. Anh em sẽ thấy ngay điểm đáng tiền nằm ở bản nhỏ.

Ảnh minh họa: bản 0.8B nhẹ tới mức chạy được trên điện thoại. Ảnh không phải screenshot PocketPal AI thật.

PFN mở weights PLaMo 3 Translate ngày 05/11/2026 sau dịch vụ PLaMo Translate

PLaMo 3 Translate là model dịch chuyên biệt của Preferred Networks (PFN, Tokyo), công bố 05/11/2026 lúc 09:00 JST, mở weights trên Hugging Face tổ chức pfnet, xây trên PLaMo 3 NICT.

Bản 0.8B thế hệ 3 đã vượt PLaMo 2 Translate 8B ở dịch Nhật-Anh theo đánh giá của hãng, và đây là số hãng tự đo, chưa có kiểm chứng độc lập.

Bốn cỡ PLaMo 3 Translate 0.8B 2B 8B 31B và dung lượng file Q4_K_M từng cỡ

Bốn cỡ chia theo máy dùng, bản 0.8B dành cho edge và smartphone, bản 2B cho máy tính nhỏ, bản 8B cho PC có GPU và server nội bộ, bản 31B cho server.

Nhìn lượt tải Hugging Face tính tới 06/11/2026, anh em thấy ngay lượt tải dồn vào GGUF, bản 0.8b-GGUF có 7.954 lượt, bản 8b-GGUF có 6.536 lượt, tổng 6 repo là 16.429 lượt. Trong khi bản BF16 chỉ có 466 lượt ở 0.8B và 337 lượt ở 8B.

Điểm PFTB của PLaMo 3 Translate từ 0.8B lên 31B chỉ nhích từ 0,5862 lên 0,6244

Đường cong trong bảng dưới đây dốc ở đầu rồi phẳng dần, phần lớn chất lượng đã nằm ở bản nhỏ, bản lớn chỉ nhích thêm chút ít. Đường cong phẳng thế này thì mình không chạy theo bản to nhất.

Điểm SaaS thì tăng dần theo cỡ, từ 0,5530 lên 0,5786, còn ở WMT24++ thì bản 8B đạt 0,8805, nhỉnh hơn bản 31B đạt 0,8799 một chút, thứ tự bị đảo ở top.

Tất cả đều là số hãng tự đo ở định dạng BF16, chưa có kiểm chứng độc lập. PFTB và SaaS là benchmark nội bộ, chỉ FLORES+ là benchmark công cộng.

Chạy PLaMo 3 Translate offline trên iPhone Android Windows Mac Linux mà không có app chính thức

PFN nói rõ demo trên smartphone chỉ là demo nội bộ, hãng chưa phát hành app nào.

Ảnh minh họa: ba đường chạy, điện thoại, laptop và server, đều chạy offline trên máy của mình.

PocketPal AI chạy PLaMo 3 Translate 0.8B trên iPhone và Android

Trên điện thoại thì anh em dùng app PocketPal AI miễn phí, mở app lên search chữ plamo, chọn bản 0.8b, chọn Q4_K_M rồi bấm Load.

Trên Android, máy dùng chip Snapdragon thì thử Q4_0 trước, và đừng tải nhầm bản BF16 1,78 GB về điện thoại vì bản đó không dùng với PocketPal AI.

llama.cpp chạy PLaMo 3 Translate 2B và 8B trên Windows và Linux

Trên Windows thì anh em cài llama.cpp, tải file GGUF và file chat_template.jinja, rồi chạy server bằng lệnh dưới đây, trong đó tham số --chat-template-file là bắt buộc.

winget install llama.cpp
llama-server -m plamo-3-translate-2b-Q4_K_M.gguf -c 16384 --port 8000 --chat-template-file chat_template.jinja --no-prefill-assistant

Lệnh này chạy server với bản 2B, giới hạn context 16.384 token, mở cổng 8000, xong thì mở trình duyệt tới cổng đó.

Trên Linux thì cài llama.cpp bằng script dưới đây hoặc build từ source, rồi chạy cùng lệnh như trên.

curl -LsSf https://llama.app/install.sh | sh

plamo-translate CLI chạy PLaMo 3 Translate 2B trên Mac Apple silicon

Trên Mac thì hãng có CLI chính thức tên plamo-translate, cài bằng lệnh dưới đây, nhớ thêm cờ -U để update, vì bản mới mặc định dùng PLaMo 3 Translate 2B, còn bản cũ mặc định chạy PLaMo 2.

pip install -U plamo-translate

Lần đầu chạy thì CLI tải weights gốc 5,76 GB rồi quantize 4-bit mỗi lần load, theo hướng dẫn note.com, chưa đối chiếu trực tiếp với repo CLI. Còn chuyện CLI mặc định dùng bản 2B thì mình lấy từ PR GitHub, chưa đối chiếu trực tiếp với repo pfnet/plamo-translate-cli.

Số hãng tự đo nói PLaMo 3 Translate 0.8B vượt model lớn hơn 30 lần

Con số gây chú ý nhất là câu hãng viết trong tech blog, bản 0.8B vượt model lớn hơn nó 30 lần.

Ảnh thật từ PFN: biểu đồ benchmark hãng tự đo, PLaMo 3 Translate (xanh) đặt trên TranslateGemma và Hy-MT2 ở cả 3 nhóm. Mọi điểm trong biểu đồ đều là số hãng tự đo, chưa có kiểm chứng độc lập.

PLaMo 3 Translate 0.8B vượt model lớn hơn 30 lần ở dịch Nhật-Anh theo benchmark hãng tự đo

Hãng viết rõ trong tech blog là bản 0.8B vượt các model dịch chuyên biệt hiện có, kể cả model lớn hơn nó 30 lần, ở dịch Nhật-Anh và dịch giữa Nhật với ngôn ngữ khác.

Ở chiều Anh với ngôn ngữ khác thì bản 0.8B chưa vượt, chỉ bản 2B mới vượt mọi model so sánh.

Hãng tự gọi đây là model dịch chuyên biệt tốt nhất thế giới, nhưng đó cũng chỉ là hãng tự gọi, chưa phải kết luận độc lập.

Bốn benchmark PFTB SaaS WMT24++ FLORES+ hãng dùng để đo PLaMo 3 Translate

Bốn benchmark này không ngang nhau. PFTB, benchmark nội bộ của hãng, dịch Nhật-Anh nhiều domain, từ paper tới thơ, chấm bằng charsim. SaaS Benchmark, cũng của hãng, mô phỏng request SaaS thật, chỉ dịch Anh-Nhật. WMT24++ là track tiếng Nhật, chấm bằng COMET-22, nhưng hãng tự nhận benchmark này chủ yếu toàn câu ngắn.

Vì vậy khi phát triển hãng dựa chủ yếu vào PFTB và SaaS, còn FLORES+ là benchmark công cộng duy nhất, chấm 15 ngôn ngữ bằng chrF++.

Cách PFN luyện PLaMo 3 Translate bằng Gemma 4 31B IT và vì sao hãng bỏ GRPO

PFN dùng Gemma 4 31B IT để tổng hợp bản dịch train, rồi nâng dữ liệu bằng tournament, back-translation và iterative self-distillation.

Tournament thì mình hình dung giống một vòng đấu loại, cho nhiều bản dịch đấu với nhau rồi giữ lại bản hay nhất, còn back-translation giúp model học cả cách viết tự nhiên của con người.

Quy trình đi từ base PLaMo thế hệ 3 qua SFT hai giai đoạn rồi tới DPO, dataset SFT khoảng 33,9 tỉ token giai đoạn 1 và 3,4 tỉ token giai đoạn 2.

SFT một mình đã tạo cải thiện lớn, khác với PLaMo 2 vốn cần DPO mới cải thiện mạnh, còn thử GRPO thì benchmark tăng nhưng độ trôi chảy giảm nên hãng bỏ.

GIGAZINE test PLaMo 3 Translate 0.8B trên iPhone 17 Pro và giới hạn của test đó

Bài test của GIGAZINE ngày 05/11/2026 chạy bản 0.8B Q4_K_M bằng PocketPal AI trên iPhone 17 Pro, đoạn mở đầu Pride and Prejudice khoảng 280 từ dịch Anh-Nhật hết 0,515 giây, bản dịch tiếng Nhật tự nhiên.

Chương 1 Relativity của Einstein thì hết 0,387 giây. Con số này đi kèm 5 giới hạn, là chỉ đo 1 lần, máy flagship mới nhất, chỉ chiều Anh-Nhật, chưa test tiếng Việt, không đo pin hay nhiệt độ.

Biên tập viên Gizmodo Japan ngày 06/11/2026 đã dùng PLaMo 2 thật nhưng chưa tự test bản 3, còn cộng đồng phương Tây thì tới 06/11/2026 mình chưa tìm được thread Hacker News hay Reddit nào, hay post X nào.

Ngưỡng 1 tỉ JPY trong license PLaMo Community quyết định ai được dùng PLaMo 3 Translate miễn phí

Cái bẫy nằm ở đúng một con số, 1 tỉ JPY, và một bước đăng ký trước.

Ảnh minh họa: đọc kỹ giấy phép trước khi đưa model vào sản phẩm thương mại.

Ba tầng người dùng trong license PLaMo Community và bước đăng ký trước khi dùng thương mại

License PLaMo Community chia người dùng thành ba tầng, cá nhân, học thuật và phi thương mại thì miễn phí, không cần đăng ký trước.

Còn doanh nghiệp có doanh thu từ 1 tỉ JPY trở xuống trong năm tài chính gần nhất thì dùng thương mại miễn phí nhưng phải đăng ký trước qua form riêng. Đăng ký có hiệu lực ngay từ lúc submit form.

Doanh nghiệp vượt ngưỡng thì phải ký license riêng với PFN, còn full text license chưa đọc trực tiếp được vì trang trả về nội dung trang chủ PLaMo.

Ngưỡng 1 tỉ JPY tính theo doanh thu cả affiliate, theo bản correction 11h45 ngày 05/11/2026 của PFN

Lúc 11h45 ngày 05/11/2026, thông cáo PFN được correction, ngưỡng sửa từ “less than 1 billion yen” thành “1 billion yen or less”, tức từ 1 tỉ JPY trở xuống.

Thân thông cáo vẫn còn sót câu “less than 1 billion” mâu thuẫn với correction đó, nên mình lấy “or less” làm chuẩn.

Ngưỡng tính theo doanh thu và bán hàng của user hoặc affiliate trong năm tài chính gần nhất, quy đổi khoảng 6,5 triệu USD theo thông cáo và khoảng 6,3 triệu USD theo BigGo.

PLaMo Community so với license NLLB Tower MADLAD-400 và TranslateGemma

NLLB-200 phủ 200 ngôn ngữ, còn Tower cỡ 7B và 13B thì phủ 10 ngôn ngữ, nhưng cả hai đều dùng CC-BY-NC, cấm thương mại hoàn toàn.

MADLAD-400 phủ 419+ ngôn ngữ, dùng Apache-2.0, cho phép thương mại tự do, còn TranslateGemma cỡ 4B, 12B và 27B, phủ 55 ngôn ngữ, dùng Gemma Terms of Use, cho thương mại nhưng phải pass terms cho user.

Gemma Terms of Use thì không phải license open-source được OSI công nhận. Opus-MT thì phủ 1.500+ cặp ngôn ngữ, dùng CC-BY 4.0, cho phép thương mại, để anh em có thêm một lựa chọn.

Như Smartling nhận xét thì license quyết định nhiều hơn benchmark.

Chữ miễn phí của PLaMo 3 Translate không bao gồm tiền máy tiền điện và thời gian chạy

Chữ miễn phí trong license chỉ là miễn phí bản quyền dùng model trong giới hạn license, còn chạy model thì vẫn tốn phần cứng, tốn điện và tốn thời gian.

Bản 31B BF16 nặng 63,51 GB cần server, còn bản 0.8B Q4_K_M 0,57 GB nhẹ nhất trong các bản Q4_K_M nhưng chạy thực tế vẫn cần RAM nhiều hơn dung lượng file.

Tiếng Việt nằm trong 53 ngôn ngữ của PLaMo 3 Translate nhưng chưa có test tiếng Việt nào

Tiếng Việt có tên trong danh sách hỗ trợ, nhưng chưa chắc dịch tiếng Việt đã ngon.

Ảnh minh họa: tiếng Việt có tên trong danh sách 53 ngôn ngữ, nhưng chất lượng dịch tiếng Việt thực tế thì chưa có test nào.

Tiếng Việt mã vi trong 15 ngôn ngữ FLORES+ của PLaMo 3 Translate

Tiếng Việt nằm trong danh sách 53 ngôn ngữ của PLaMo 3 Translate với mã vi, và còn nằm trong 15 ngôn ngữ được đánh giá FLORES+.

Nhóm 15 ngôn ngữ này gồm Nhật, Anh, Ả Rập, Indonesia, Ý, Hà Lan, Hàn, Tây Ban Nha, Thái, Trung giản thể, Trung phồn thể, Đức, Pháp, Việt và Nga. Nhóm này dịch hai chiều với Nhật và với Anh, chấm bằng chrF++.

Hãng chưa công bố điểm riêng cho cặp Việt-Nhật và Việt-Anh của PLaMo 3 Translate

Hãng không công bố điểm riêng cho cặp Việt-Nhật hay Việt-Anh, và chính hướng dẫn note.com cũng cảnh báo các cặp không phải Anh-Nhật có chất lượng thấp hơn Anh-Nhật ngay cả trong đánh giá của PFN.

Mình không suy ra cứ có tiếng Việt trong danh sách là dịch tiếng Việt ngon, vì nằm trong danh sách hỗ trợ và dịch tốt là hai chuyện khác nhau.

Cách tự test tiếng Việt của PLaMo 3 Translate bằng glossary và văn bản của chính anh em

Cách test tiếng Việt là tự test bằng văn bản thật của chính anh em, dịch thử cả hai chiều Việt-Anh và Việt-Nhật, rồi chú ý kỹ danh từ riêng và thuật ngữ.

Muốn cố định tên riêng, thuật ngữ và tên sản phẩm thì dùng glossary, truyền qua chat_template_kwargs, không trộn chỉ dẫn vào system prompt hay văn bản gốc.

Model tự detect ngôn ngữ nguồn nếu anh em không chỉ định source_lang, còn dịch sang tiếng Nhật thì chọn văn phong desu/masu hoặc da/dearu.

Cài và chạy thử PLaMo 3 Translate từng bước bằng PocketPal llama.cpp và plamo-translate

Phần này mình đi thẳng vào thao tác, tải file nào, chạy bằng lệnh nào.

Ảnh minh họa: cài và chạy thử trên máy của mình. Lệnh thật xem trong bài viết, không nằm trong ảnh.

Tải file GGUF Q4_K_M của PLaMo 3 Translate và vì sao Q4_K_M là điểm cân bằng

Q4_K_M gần như ngang BF16 ở mọi cỡ, bản 8B Q4_K_M đạt PFTB 0,6100 so với BF16 là 0,6119, còn bản 0.8B Q4_K_M đạt 0,5832 so với BF16 là 0,5862.

Trong khi bản 0.8B Q2_K tụt 0,0242 điểm PFTB xuống còn 0,5620, FLORES+ Ja tụt 2,52 và En tụt 3,29 điểm, còn bản 8B Q2_K thì PFTB tụt 0,0130 xuống 0,5989.

Chọn Q2_K vì ham file nhẹ thì giống nén ảnh quá tay bị nhòe chữ, mất chi tiết mà tiết kiệm chẳng bao nhiêu. Nên Q4_K_M là điểm cân bằng, còn bản 0.8B MLX 4bit thì PFTB 0,5773, thấp hơn Q4_K_M một chút.

Lệnh chạy PLaMo 3 Translate 2B bằng llama-server trên Windows và Linux

Trên Windows thì anh em cài llama.cpp, tải file GGUF và file chat_template.jinja về cùng một chỗ, rồi chạy server bằng lệnh dưới đây, trong đó tham số --chat-template-file là bắt buộc.

winget install llama.cpp

llama-server -m plamo-3-translate-2b-Q4_K_M.gguf -c 16384 --port 8000 --chat-template-file chat_template.jinja --no-prefill-assistant

Chạy xong thì mở trình duyệt tới cổng 8000 để chat thử, và dịch thử một câu mẫu trước khi dịch văn bản thật.

Trên Linux thì cài llama.cpp bằng script dưới đây hoặc build từ source, sau đó chạy cùng lệnh llama-server như trên.

curl -LsSf https://llama.app/install.sh | sh

Lệnh chạy PLaMo 3 Translate bằng Transformers và vLLM cho máy có GPU

Máy có GPU thì chạy bằng Transformers, tải model về rồi chạy như lệnh dưới đây.

hf download pfnet/plamo-3-translate-8b --local-dir plamo-3-translate-8b
pip install -U torch transformers accelerate numba

Sau đó load model bằng AutoModelForCausalLM và AutoTokenizer với trust_remote_code=True, dtype là bfloat16, ví dụ câu tiếng Nhật “会議は来週の月曜日に変更されました。” dịch sang tiếng Anh là “The meeting has been rescheduled for next Monday.”, và generate với do_sample=False cùng max_new_tokens=512.

Còn chạy production bằng vLLM thì build prompt trực tiếp theo format PFML3, temperature là 0, max_tokens là 512, stop là ["<|plamo:tag|>", "<|plamo:bos|>"]. FP8, W4A16, W4AFP8 và NVFP4 thì dùng vLLM theo từng dòng GPU NVIDIA.

Dùng glossary và chia nhỏ văn bản dài khi PLaMo 3 Translate giới hạn 32.768 token

Giới hạn train của model là 32.768 token cho input và output cộng lại, nên văn bản dài hơn 32.768 token thì phải chia nhỏ, dịch theo đoạn bằng history.

Chia văn bản dài giống cắt một cuốn sách thành từng chương để dịch, mỗi chương giữ lại context của chương trước, chứ đừng dịch một lèo cả cuốn rồi mong model nhớ hết.

Model nhận context xung quanh cùng glossary cho tên riêng, thuật ngữ và tên sản phẩm, glossary truyền qua chat_template_kwargs, không trộn chỉ dẫn vào system prompt hay văn bản gốc.

Lỗi hay gặp khi chạy PLaMo 3 Translate và cách xử lý

Quên file chat_template.jinja hoặc thiếu tham số --chat-template-file thì llama-server chạy sai format, tải lại file đó rồi chạy lại lệnh là xong.

Dùng bản plamo-translate cũ thì mặc định chạy PLaMo 2, chạy pip install -U plamo-translate để update lên bản mới, còn chọn Q2_K vì ham file nhẹ thì điểm tụt rõ, nên đổi sang Q4_K_M.

Nhớ là câu không gửi ra ngoài chỉ đúng khi chạy model local.

Khi nào nên dùng PLaMo 3 Translate offline và khi nào nên ở lại DeepL Google Translate

Câu hỏi còn lại là văn bản của mình có được phép rời khỏi máy không.

Ảnh minh họa: văn bản ở yên trên máy mình hay gửi lên cloud, đó là câu hỏi quyết định.

DeepL Pro 7,49 EUR và Google Translate 130 ngôn ngữ so với 53 ngôn ngữ của PLaMo 3 Translate

DeepL Pro Individual là 7,49 EUR một tháng, bản Team là 24,99 EUR một user một tháng, trả theo năm, gồm VAT.

Còn Google Cloud Translation API thì 500.000 ký tự đầu mỗi tháng miễn phí, sau đó 20 USD một triệu ký tự, Google Translate phủ 130+ ngôn ngữ.

PLaMo 3 Translate chỉ có 53 ngôn ngữ, nhưng chạy hoàn toàn offline nên text không rời máy, không có số đối chiếu trực tiếp nào với DeepL và Google Translate tính tới 06/11/2026.

Văn bản không được rời máy thì PLaMo 3 Translate offline là lựa chọn duy nhất

Với hợp đồng và tài liệu nội bộ nhạy cảm thì chạy local là lựa chọn duy nhất đảm bảo dữ liệu ở yên tại chỗ, vì PLaMo 3 Translate chạy hoàn toàn offline, text không rời máy.

Tài liệu nội bộ mà gửi lên cloud thì giống như photocopy rồi để bản copy ở quán photo.

Còn dùng được khi môi trường liên lạc hạn chế, như du lịch và phòng chống thảm họa.

Khi nào ở lại DeepL và Google Translate vì chất lượng cặp châu Âu và số ngôn ngữ

Anh em nên ở lại DeepL khi dịch các cặp châu Âu lớn, và nên ở lại Google Translate khi cần phủ 130+ ngôn ngữ hoặc dịch nhanh trên web không cần cài đặt.

Cũng nên ở lại cloud khi máy quá yếu để chạy cả bản 0.8B Q4_K_M 0,57 GB.

Nhớ là bản free của DeepL cấm dữ liệu cá nhân, nên không dùng bản free để dịch hợp đồng hay hồ sơ nhạy cảm.

Chọn nhanh PLaMo 3 Translate theo nhu cầu và chia sẻ trải nghiệm thật

Ngày 05/11/2026, PFN mở weights PLaMo 3 Translate, và bản 0.8B chạy được ngay trên điện thoại, nên anh em nào tò mò thì thử luôn, không cần chờ thêm.

Ảnh minh họa: thử ngay trên điện thoại với bản 0.8B, hay chờ một bài test tiếng Việt thật, tùy vào nhu cầu của anh em.

Dùng thử trên điện thoại thì chọn PLaMo 3 Translate 0.8B Q4_K_M 0,57 GB bằng PocketPal AI, dùng trên PC thì bắt đầu từ PLaMo 3 Translate 2B Q4_K_M 1,81 GB.

Dùng thương mại thì nhớ ngưỡng 1 tỉ JPY và đăng ký trước, còn dịch tiếng Việt thì tự test bằng văn bản thật của mình.

Mọi điểm benchmark đều là số hãng tự đo, chưa có kiểm chứng độc lập, và chưa có test tiếng Việt nào tính tới 06/11/2026.

Anh em nào chạy thử bản 0.8B trên máy phổ thông thì chia sẻ kết quả và máy đang dùng.

Nguồn tham khảo

• Thông cáo PFN
• Tech blog PFN
• Model card 8B
• Model card GGUF
• Trang license PLaMo
• GIGAZINE
• note.com
• Gizmodo Japan
• BigGo Finance
• Smartling
• Local AI Master
• Kevin Welter
• The Decoder
• Play to Dev
• Intelligibberish