有道大模型再创新：小参数垂类模型翻译质量全球领先

小参数、大创新：引领全球的翻译质量革命

　　 当业界仍在热议DeepSeek-R1开源战略对AI生态的影响，并持续关注Manus智能Agent的技术突破时，国产大模型已经在垂直领域实现了关键性的跨越。3月11日，网易有道宣布完成了翻译底层技术的升级，基于自主研发的子曰翻译大模型2.0，在测试中实现了翻译质量超越国内外主流的通用大模型，达到行业领先水平。这一突破标志着国产大模型在专业领域取得了实质性的进展，通过数据和算法等技术创新，使得小参数的垂直模型实现了显著的性能提升。

　　 据了解，全新版本的大模型现已在有道词典、有道翻译以及有道翻译官中推出，提供了标准版和高配版两种不同的参数配置，用户可以免费享受到更加精准和优质的翻译服务。同时，有道词典笔X7系列也已经更新至最新翻译大模型，其他型号的产品也将逐步完成升级。

　　 【有道翻译首页】

　　 作为国内翻译领域的佼佼者，有道全系列翻译产品目前已经覆盖了超过10亿用户。根据QuestMobile的数据，自2019年以来，网易有道词典已经连续六年蝉联「中国互联网APPTOP50赛道用户规模NO.1」，稳居教育工具类应用首位。

　　 继率先推出统计机器翻译及神经网络翻译（NMT）后，有道再次领衔行业，在翻译技术上实现重大突破，使子曰翻译大模型2.0的整体性能实现质的飞跃。

　　 根据国际权威翻译评测集WMT和Flores200的最新测试数据显示，子曰翻译大模型2.0在中英互译领域的译文专业度和稳定性较前代版本均有显著提升。除此之外，在涵盖人文学科、商科、生活服务、医疗、科学等19个垂直领域的多学科对比测试中，子曰翻译大模型2.0与国内外主流通用大模型及专业翻译模型展开“全面竞技”，数据显示，子曰翻译大模型2.0在专业性、准确性、语言惯例和风格等方面，展现出了更高的翻译准确率、流畅度，模型翻译质量达到行业第一。

　　 经过10个月的技术更新，子曰翻译大模型2.0在数据、算法和评估三个方面实现了技术突破，最终通过14B小参数的领域专用模型达到了高水平的翻译性能。这再次凸显了有道在教育大模型发展方面的专业优势。

　　 在数据层面，有道通过收集并严格清洗了大量的高质量翻译语料数据，这些数据经过英语专业八级认证人员及职业译员的精细化人工标注，从而构建了一个庞大的优质数据资源库。这不仅增强了模型在各种复杂翻译场景中的应对能力，还确保了翻译质量的可靠性与准确性。 这一举措充分体现了有道对于提升翻译技术的决心和投入。通过采用高标准的数据处理流程，有道展示了其对细节的关注以及对卓越品质的追求。这种严谨的态度无疑会推动整个行业向着更加专业化和精细化的方向发展。

　　 在算法层面，有道公司基于子曰大模型进行了二次预训练，进一步打造出更具专业性和针对性的翻译基座大模型。通过应用大模型蒸馏技术、大模型融合技术和OnlineDPO技术等手段，有效解决了大模型的灾难性遗忘问题，并显著提升了运行效率、准确性和流畅性等翻译性能。 这种创新的技术手段不仅展示了人工智能在语言处理领域的巨大潜力，也意味着翻译工具在未来可以更好地满足不同领域的需求。尤其是对于需要高度专业化翻译的行业，如法律、医学和科技等，这一进步无疑会带来极大的便利。同时，这也为其他领域的大模型优化提供了有价值的参考。

　　 在评估层面，通过积累大量的翻译数据，有道公司自主研发了一种名为RewardModel的翻译评估模型，该模型的准确性超过了COMET——目前最顶尖的评估指标之一。RewardModel为子曰翻译大模型的性能评估提供了可靠的量化依据以及完善的人工评估方案，从多个角度对模型的翻译结果进行了评估和分析。

　　 事实上，随着DeepSeek等开源模型的应用范围逐渐扩大，“场景数据”越来越成为AI应用的核心竞争力。作为深耕翻译领域17年的领军企业，有道凭借其深厚的数据及资源积累，能够利用高质量语料来训练和强化其翻译模型。这不仅提升了模型的专业性和针对性，还使得其小参数垂类模型在某些翻译任务上的表现甚至超过了通用的大模型。 这种现象表明，在人工智能快速发展的今天，拥有丰富且专业的场景数据对于提升特定领域的AI应用效果至关重要。有道的成功案例展示了数据积累与模型优化之间的紧密联系，也提醒了其他公司要重视数据的收集和管理，才能在激烈的竞争中脱颖而出。

　　 “在翻译领域，光靠大模型的庞大参数和强大的算力并不能体现出专业性。尽管许多通用大模型在追求更高的参数规模，但我们依然坚信垂直领域的模型具有更大的价值。通过专业的垂直应用来解决特定场景下的实际问题，这正是我们不断努力和发展的方向。”网易有道的相关负责人表示。