東北大學“小牛翻譯”團隊近日宣布開源其最新研發的多語言翻譯大模型NiuTrans.LMT，該模型支持60種語言的雙向互譯，覆蓋234個翻譯方向，不僅構建了以中文和英文為核心的全語種橋梁，更在藏語、阿姆哈拉語等29種低資源語言翻譯領域實現重大突破，為全球語言平等提供了關鍵技術支撐。

與傳統翻譯模型依賴英語作為單一樞紐不同，NiuTrans.LMT采用中-英雙中心架構設計。這一創新模式支持中文與58種語言、英文與59種語言的直接高質量互譯，避免了傳統“中文→英文→小語種”路徑可能導致的語義失真。尤其對“一帶一路”沿線國家而言，該架構顯著提升了中文與當地語言的溝通效率，推動了跨文化交流的去中介化進程。

在語言資源覆蓋方面，模型通過三級分層策略實現效率與公平的平衡：針對法語、阿拉伯語等13種高資源語言，翻譯質量已達到人類水平；印地語、芬蘭語等18種中資源語言的翻譯在專業術語和語法結構上保持高度準確性；針對藏語、斯瓦希里語等29種低資源語言，通過數據增強和遷移學習技術，成功突破了“不可譯”的技術瓶頸，使這些語言的翻譯從“無法使用”提升至“可用”水平。

該模型在FLORES-200多語言基準測試中表現優異，位居全球開源模型首位。其卓越性能源于獨特的兩階段訓練方法：在包含900億tokens的多語言語料庫中進行均衡預訓練，確保小語種數據不被稀釋；隨后通過整合FLORES-200、WMT等權威數據集（含56.7萬條樣本、覆蓋117個翻譯方向）進行監督微調，優化翻譯準確性和風格一致性。

為滿足不同應用場景需求，團隊同步開源了四種參數規模的模型版本，包括0.6B、1.7B、4B和8B。其中輕量級版本可在消費級GPU上運行，適用于移動端部署；8B版本則面向企業級高精度需求，支持API集成和私有化部署。所有模型均已在GitHub和Hugging Face平臺開放下載。

行業觀察人士指出，NiuTrans.LMT的開源不僅代表技術突破，更體現了對語言多樣性保護的實際行動。當AI能夠精準傳遞藏語詩歌的韻律、非洲諺語的智慧或北歐古語的內涵時，技術才真正具備了人文溫度。這項成果為構建無語言障礙的數字世界奠定了重要基礎。

項目開源地址：https://github.com/NiuTrans/LMT