> ## Content Index
> Fetch the complete content index at: https://matveev.tech/llms.txt
> Use this file to discover other available public pages before exploring further.

# TranslateGemma — Google открыл модели перевода на 55 языков
- URL: https://matveev.tech/translategemma-google-perevod/
- Published: 2026-01-15T22:59:09.000Z
- Updated: 2026-01-15T22:59:09.000Z
- Description: Google выпустил TranslateGemma — опенсорсные модели для перевода на базе Gemma 3. Три размера, 55 языков, работает на смартфоне
- Author: Pavel Matveev
- Tags: AI, Google, LLM

> **TL;DR:** Google выпустил TranslateGemma — семейство опенсорсных моделей для перевода на базе Gemma 3\. Три размера: 4B для смартфонов, 12B для ноутбуков, 27B для серверов. 55 языков, включая редкие. Модель в 12B обходит 27B базовую Gemma по качеству перевода.

Google продолжает открывать свои модели. На этот раз — специализированные модели для перевода.

## Что это

TranslateGemma — это три модели на базе Gemma 3, заточенные именно под перевод. Размеры: 4B, 12B и 27B параметров.

Самое интересное — 12B модель показывает результаты лучше, чем базовая Gemma 3 27B на бенчмарке MetricX. То есть специализация реально работает, и не нужно гонять монстра на 27 миллиардов параметров, чтобы получить качественный перевод.

## Что умеет

**Языки:**\- 55 тщательно протестированных языковых пар - Ещё \~500 дополнительных пар в обучении - Поддержка редких языков, не только «большая тройка»

**Мультимодальность:**Модели сохранили способности Gemma 3 работать с картинками. Перевод текста на изображениях улучшился без специального обучения — приятный бонус.

## Где запускать

Google чётко разложил по полочкам: - **4B** — телефоны и edge-устройства - **12B** — обычный ноутбук, локальная разработка - **27B** — один H100 или облачный TPU

4B версия конкурирует с 12B базовыми моделями. Для мобильных приложений — самое то.

## Как обучали

Двухэтапный процесс: 1\. **Supervised Fine-Tuning** — на смеси человеческих переводов и синтетических от Gemini 2\. **Reinforcement Learning** — с наградой от MetricX-QE и AutoMQM

В общем, классическая схема RLHF, но с метриками качества перевода вместо человеческих оценок.

## Где взять

Модели уже доступны: - [Kaggle](https://www.kaggle.com/models/google/translategemma/?ref=matveev.tech)\- [Hugging Face](https://huggingface.co/collections/google/translategemma?ref=matveev.tech)\- [Vertex AI для облачного деплоя](https://console.cloud.google.com/vertex-ai/publishers/google/model-garden/translategemma%29?ref=matveev.tech)\- [Gemma Cookbook с примерами использования](https://colab.research.google.com/github/google-gemini/gemma-cookbook/blob/main/Research/[TranslateGemma]Example.ipynb?ref=matveev.tech)

Думаю, для разработчиков это полезно. Не всегда хочется гонять запросы через API — то лимиты, то задержки, то приватность данных. А тут можно развернуть свой переводчик локально, причём качество на уровне.

## Что ещё почитать

- [DeepSeek Engram - память для LLM](https://matveev.tech/deepseek-engram-pamyat-llm/) — ещё один интересный опенсорс подход к улучшению моделей
- [GLM-4.7 обновление модели для кодинга](https://matveev.tech/glm-4-7-obnovlieniie-modieli-dlia-kodingha-ot-z-ai/) — китайцы тоже делают крутые открытые модели
- [Devstral 2 — опенсорсная модель от Mistral](https://matveev.tech/devstral-2-opiensorsnaia-modiel-dlia-kodingha-ot-mistral-2/) — ещё один сильный опенсорс игрок