確認日時：2026年11月10日15:32（日本時間）
PLaMo 3 Translateは、条件を満たせば無償でダウンロードし、原文をクラウドへ送らずに翻訳できる国産AIです。
PFNが2026年11月5日に4サイズの重みを公開しました。
外国語の資料を読む人や、翻訳の処理場所を自分で管理したい人に新しい選択肢が生まれています。
ただし、公開されたのは完成済みのスマホアプリではありません。
手元で使うには、モデルに対応した実行ソフトと端末を用意する必要があります。
出典：https://www.preferred.jp/ja/news/pr20261105
開発元はPreferred Networks（PFN）。
NICTとの共同研究による事前学習モデルを基に、翻訳へ特化させています。
NICTも11月9日に公開を案内しましたが、同時に紹介された金融向けの「PLaMo 3.0 Fin」とは用途が異なります。
53言語に対応し、前後の文脈や用語集を与え、日本語訳の敬体・常体を指定できます。
オープンウェイトとは、AIの学習済みの数値データである「重み」を公開する方式です。
ブラウザで使う「PLaMo翻訳」と違い、利用者がモデルと実行環境を管理します。
小型の翻訳専用モデルを手元へ持てることで、通信できない場所や外部送信を制限する資料にも選択肢が増えます。
ただし、noteでの話題性はGoogle検索需要の急増を示す証拠ではありません。
出典：https://www.nict.go.jp/publicity/topics/2026/11/09-1.html
https://translate.preferredai.jp/news/20261105-2-plamo3-translate-open-weight/
公開モデルには独自のPLaMoコミュニティライセンスが適用されます。
私的利用と業務利用では条件が違い、個人名義のPCで動かすだけでは私的利用になりません。
契約上の商業目的には、組織内部での利用やAPI経由の提供も含まれます。
「10億円以下」には10億円ちょうども含みます。
本人だけでなく関係会社も条件に入るため、勤務先で使う人は組織として確認してください。
条件内の商用利用は、登録フォームの提出時点から無償で利用できるとモデルカードに説明されています。
再配布や製品への組み込みでは、契約のコピーの提供や「Built with PLaMo」の表示などが必要です。
モデルを使って作るAIモデルの命名、生成物の公表時の表示にも規定があります。
無条件のオープンソースと同じ扱いはできません。
なお、無償なのは条件に沿ったモデルの利用料です。端末購入費、電気代、借りたGPU環境の料金は別に発生します。
出典：https://plamo.preferredai.jp/info/plamo-community-license-ja
https://huggingface.co/pfnet/plamo-3-translate-0.8b#license
サービス版には無料のFreeプランがあり、確認時点のテキスト翻訳は月5万文字まで。
Liteの通常月額は税込1,298円です。
11月30日までのキャンペーンでは最初の2か月無料ですが、カード登録が必要で、3か月目から自動課金されます。
モデル公開によってサービス全体が無料になったわけではありません。
「B」はパラメータ数の十億単位です。
大きなモデルほど容量も増えますが、まずは同じ文章を小型版と大きな版で比べ、追加負荷に見合う違いがあるか確認しましょう。
次表は公式モデルカードの重みファイルの合計容量で、ソフトや付属ファイルを含む総ダウンロード量ではありません。
全サイズについて、端末別の公式最低RAM・VRAM要件は確認できませんでした。
上記は必要メモリの保証値ではありません。
量子化は重みの数値を小さく表現して容量を抑える技術で、入力の長さや実行ソフトによって追加のメモリ使用量も変わります。
WindowsでCPU実行する場合は主にRAM、GPUへ載せる場合はVRAMも確認します。
Apple silicon MacのユニファイドメモリはCPUとGPUで共有するため、Windows PCのRAMと専用VRAMを単純に足した構成とは比較できません。
OSやほかのアプリが使う分も必要です。
公式のGGUF版はllama.cppでCPU・各種GPUに、MLX版はApple silicon Macのmlx-lmに対応します。
スマホ向けには0.8BのQ4_0も案内されていますが、動画だけでiPhone・Androidの対応機種や速度を一般化できません。
出典：各サイズの公式モデルカード
https://huggingface.co/pfnet/plamo-3-translate-2b
https://huggingface.co/pfnet/plamo-3-translate-8b
https://huggingface.co/pfnet/plamo-3-translate-31b
GPUなしで使う仕組みと待ち時間の考え方は、関連記事「ローカルLLMはGPUなしで動く？」で補足しています。
https://www.ai-toptier.com/blog-post/local-llm-without-gpu-cpu-only
画面で操作する入口にはLM Studioがあります。公式ダウンロードページの掲載版は確認時点で0.4.28。
ただし、PLaMo 3 Translateに必要な最小バージョンや、同版での端末別実動作は本記事では検証していません。
以下は公式資料を組み合わせた導入手順で、動作保証ではありません。
[plamo-translate]
target_lang=ja
form=polite
LM Studioはモデルのメタデータからテンプレートを自動設定します。
汎用チャット用のテンプレートへ安易に差し替えず、読み込めない場合は実行ランタイムの対応を確認してください。
GGUF版は11月8日に翻訳方向の仕様が変わっており、それ以前のファイルは再取得し、新しいチャットで試す必要があります。
出典：https://lmstudio.ai/download
https://lmstudio.ai/docs/app/system-requirements
https://lmstudio.ai/docs/app/basics/download-model
https://lmstudio.ai/docs/app/advanced/prompt-template
https://huggingface.co/pfnet/plamo-3-translate-0.8b-GGUF
ソフト、実行ランタイム、モデルの初回取得には通信が必要です。
必要ファイルをそろえて短文翻訳を確認してから、ネット接続を切って同じ操作を試します。
LM Studio公式では、取得済みモデルによるローカル推論はオフラインで動く一方、モデル検索・取得・更新には通信が必要と説明されています。
翻訳が端末内でも、追加した外部ツールやアプリの通信機能、保存ログまで自動的に安全になるわけではありません。
仕事の資料は所属先の規定を優先し、機密性のない文章で導入を確かめてください。
出典：https://lmstudio.ai/docs/app/offline
PFNはGGUF版のllama-serverとローカルAPI、Apple silicon向けMLX版のPython手順も公開しています。
自分で立てるAPIは、PFNのクラウドAPI契約とは別物です。
出典：https://huggingface.co/pfnet/plamo-3-translate-0.8b-MLX-4bit
用途と準備の手間で選ぶと違いが分かりやすくなります。
公開モデルを入れただけでは、翻訳サービスにある文書の書式保持やWebページ翻訳まで一式そろうわけではありません。
出典：https://support.deepl.com/hc/en-us/articles/360020582499-About-file-translation
https://support.deepl.com/hc/en-us/articles/360021634540-About-the-glossary
https://support.google.com/translate/answer/6350850?co=GENIE.Platform%3DAndroid&hl=ja
品質について、PFNの11月の評価は日英のPFTB・SaaS・WMT24++や、多言語のFLORES+などを使った自社評価です。
全53言語のすべての組み合わせを同じ条件で検証した結果ではありません。
10月のサービス版の比較結果を、11月公開の全サイズへ当てはめて「DeepL超え」と断定することも避けるべきです。
出典：https://www.preferred.jp/ja/blog/tech/plamo-3-translate-weight-release
https://www.preferred.jp/ja/news/pr20261007
外部へ原文を送れず、更新や設定にも時間を割ける人はローカル版が候補です。
0.8Bで試し、不十分な箇所を同じ原文で2B・8Bと比べれば、大型版の必要性を判断できます。
たまに記事を読む、PDFをすぐ翻訳する、スマホで手軽に使うなら、サービス版や既存アプリが現実的でしょう。
端末購入前に利用頻度と準備の時間を比べてください。
契約・医療などの文書は、どの方法でも原文の確認や専門家のレビューが必要です。
ローカル環境へ投資する価値の考え方は「ローカルLLMの利用実態2026」でも整理しています。
https://www.ai-toptier.com/blog-post/local-llm-usage-models-pc
まず、翻訳を端末内で完結させる必要があるかを決めましょう。
必要があれば小型モデルで設定と訳文を確かめ、なければ無料枠のあるサービスで日常の資料を試す。
新しさより、自分の資料・利用頻度・管理できる手間を基準に選ぶと、導入後の負担を見誤りにくくなります。
.png){kind=logo}
