Viral hari ini datang dari laboratorium AI Jepang, bukan dari Amerika atau China. Preferred Networks merilis PLaMo 3 Translate sebagai model terbuka pada 5 November 2026, dan model itu bisa menerjemahkan 53 bahasa langsung di ponsel tanpa koneksi internet. Bagi daerah dengan sinyal lemah, kemampuan itu bukan kemewahan, melainkan solusi praktis.
Viral Hari Ini: Model Terbuka yang Jalan Offline
Perusahaan yang berbasis di Tokyo itu mengumumkan bahwa bobot model tersedia di Hugging Face. Ada empat ukuran, yaitu 0.8 miliar, 2 miliar, 8 miliar, dan 31 miliar parameter. Semua ukuran bisa diunduh dan dijalankan di perangkat sendiri, dari ponsel sampai server internal perusahaan.
Menurut siaran resmi di situs Preferred Networks, model ini memang dirancang untuk perangkat tepi. Pengguna bisa menerjemahkan tanpa mengirim teks ke server luar. Untuk dokumen kontrak, riset, atau bahan yang sifatnya rahasia, perbedaan itu sangat berarti.
Yang membuatnya menarik bukan sekadar ukurannya. Model ini mendukung 53 bahasa, termasuk bahasa Indonesia, Jawa, Melayu, Tagalog, Vietnam, dan Thai. Dukungan bahasa Asia Tenggara sebanyak itu masih jarang pada model penerjemah khusus yang dirilis terbuka.
Iklan

Campus Commercial Park: rukost di kawasan kampus
C.CO Park menghadirkan kawasan ruko dan kost dalam satu gerbang, dirancang untuk mahasiswa dan penghuni sekitar kampus. Cocok untuk yang mencari aset produktif dengan pengelolaan kawasan yang tertata.
Empat Ukuran, Satu Tujuan
Pilihan ukuran model menentukan kompromi antara kualitas, kecepatan, dan kebutuhan perangkat. Versi 0.8B ditujukan untuk ponsel dan perangkat kecil. Versi 2B dan 8B cocok untuk laptop atau komputer biasa. Versi 31B disiapkan untuk server internal dengan sumber daya lebih besar. Rincian teknis tiap ukuran tersedia di kartu model pada Hugging Face.
Format berkasnya juga beragam. Selain bobot standar, tersedia versi terkuantisasi, format GGUF untuk llama.cpp, dan MLX untuk perangkat Apple Silicon. Keragaman format ini yang menentukan apakah model benar-benar bisa dipakai di lapangan, bukan hanya dipamerkan di atas kertas.
Menurut catatan Toolhalla, ukuran berkas Q4_K_M berkisar 0,53 GiB untuk versi 0.8B hingga 18,19 GiB untuk versi 31B. Artinya, versi terkecil memang muat di ponsel modern. Versi terbesar butuh mesin dengan memori besar dan tidak cocok untuk perangkat sehari-hari.
Klaim Kualitas dan Batasanya
Preferred Networks mengeklaim model terkecilnya, 0.8B, mampu mengungguli model penerjemah khusus lain yang ukurannya lebih dari 30 kali lipat. Pembanding yang disebut adalah TranslateGemma milik Google dan Hy-MT2 milik Tencent. Klaim itu berlaku untuk penerjemahan Jepang-Inggris dan Jepang ke bahasa lain.
Perlu dicatat, angka tersebut berasal dari evaluasi internal perusahaan. Belum ada pengujian independen yang mereplikasi hasilnya. Dalam dunia model bahasa, klaim vendor sering kali memakai set uji yang dipilih sendiri, sehingga hasilnya bisa berbeda ketika diuji dengan teks nyata.
Keterbatasan lain, model ini memang dirancang untuk penerjemahan, bukan untuk percakapan umum. Ia tidak akan menjawab pertanyaan atau menulis esai seperti model serbaguna. Fokus sempit itu justru membuat ukurannya bisa jauh lebih kecil tanpa kehilangan kualitas pada tugas yang dibidik.
Lisensi yang Perlu Dibaca Teliti
Model ini tidak dirilis dengan lisensi Apache atau MIT. Preferred Networks memakai PLaMo Community License, yang mengizinkan individu dan perusahaan dengan pendapatan tahunan sampai 1 miliar yen memakai model secara gratis. Pemakaian komersial diperbolehkan dalam batas itu.
Perusahaan dengan pendapatan di atas ambang tersebut perlu perjanjian lisensi komersial terpisah. Ini pola yang makin umum di kalangan pengembang model Jepang dan China. Gratis untuk sebagian besar pengguna, tetapi tidak benar-benar bebas tanpa syarat.
Bagi pengembang di Indonesia, ambang 1 miliar yen setara puluhan miliar rupiah. Sebagian besar usaha kecil dan menengah berada di bawah batas itu. Namun perusahaan yang lebih besar wajib menghitung ulang biaya sebelum memasukkan model ini ke produk komersial mereka.


