东北大学开源多语翻译“重器”！NiuTrans.LMT覆盖60语言234方向，低资源语言迎来突破

中国AI翻译再上台阶。东北大学“小牛翻译”团队近日开源其最新多语言大模型——NiuTrans.LMT（Large-scale Multilingual Translation），一次性打通60种语言、234个翻译方向。以中文与英文为双核心打造全球沟通桥梁，同时在藏语、阿姆哈拉语等29种低资源语言上取得明显提升，为语言公平迈出关键一步。

双枢纽设计，告别“唯英语论”

不同于很多以英语为唯一中转的翻译模型，NiuTrans.LMT采用“中文-英文”双中心方案，支持中文↔58种语言、英文↔59种语言的高质量直译，避免“中文→英文→小语种”的二次偏差。该设计更利好“一带一路”沿线国家与中文用户的直接交流，推动跨文化沟通去中介化。

三层语言梯度，平衡效率与公平

模型将语言按资源水平细分为三档:

13种高资源语言（如法语、阿拉伯语、西班牙语）:翻译顺畅度接近人工;

18种中资源语言（如印地语、芬兰语）:专业术语与语法结构表现稳定、准确;

29种低资源语言（含藏语、斯瓦希里语、孟加拉语等）:借助数据增强与迁移学习，从“难以翻译”迈向“可用翻译”。

两步训练，FLORES-200成绩拔尖

NiuTrans.LMT在权威多语言评测FLORES-200上表现突出，位居开源模型前列。其优势来自创新的两阶段训练流程:

继续预训练（CPT）:在900亿tokens的多语言语料上均衡学习，保障小语种不被忽视;

监督微调（SFT）:融合FLORES-200、WMT等高质量平行数据（56.7万条样本，覆盖117个方向），进一步提升准确度与风格一致性。

四个参数规模全开源，科研到落地全场景覆盖

面向不同使用场景，团队同步开源0.6B、1.7B、4B、8B四个参数规格，均可在GitHub与Hugging Face免费下载。轻量模型可用消费级GPU运行，适合移动端与本地部署；8B版本面向企业级高精度翻译，支持API接入与私有化部署。

有观点认为，NiuTrans.LMT的发布不仅是技术进展，更是对“语言多样性”的实际守护。当AI能准确翻译藏语诗歌、非洲谚语或北欧古语，技术才更有人文温度。东北大学的开源行动，正为构建无语言壁垒的数字世界打下基础。

项目地址:https://github.com/NiuTrans/LMT