东北大学“小牛翻译”团队近日正式开源其最新大模型——NiuTrans.LMT（Large-scale Multilingual Translation），一举实现60种语言、234个翻译方向的全覆盖，不仅以中文与英文为双核心构建全球语言桥梁，更在藏语、阿姆哈拉语等29种低资源语言上取得显著突破。

区别于多数以英语为唯一枢纽的翻译模型，NiuTrans.LMT采用中-英双中心设计，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”的二次失真。

13种高资源语言（如法语、阿拉伯语、西班牙语）：翻译流畅度媲美人类；

18种中资源语言（如印地语、芬兰语）：在专业术语与语法结构上高度准确；

29种低资源语言（含藏语、斯瓦希里语、孟加拉语等）：通过数据增强与迁移学习，实现从“不可译”到“可用译”的跨越。

NiuTrans.LMT 的两阶段训练流程如下:

• 继续预训练（CPT）：在900亿tokens的多语言语料上均衡学习，确保小语种不被淹没;
• 监督微调（SFT）：整合FLORES-200、WMT等高质量平行语料（56.7万条样本，覆盖117方向），精调翻译准确性与风格一致性。

为满足不同场景需求，团队同步开源0.6B、1.7B、4B、8B四种参数规模模型，全部可在GitHub与Hugging Face免费下载。轻量版可在消费级GPU运行，适合移动端部署；8B版本则面向企业级高精度翻译场景，支持API集成与私有化部署。