번역 특화 LLM 「PLaMo 3 Translate」와 프리랜서 번역 실무
2026년 11월 9일
【Q1】
번역 특화 LLM plamo-3-translate에 대해 알고 있나요? Claude보다 성능이 좋은가요?
【A1】
네, 알고 있습니다. Preferred Networks(PFN)에서 출시한 번역 특화 LLM이며, 마침 이번 달에 가중치(weight)가 공개된 모델입니다. 결론부터 말씀드리자면, PFN 자체 평가에서도 종합 품질은 Claude(Fable 5.1)가 우위에 있으며, PLaMo의 강점은 품질보다는 '비용'과 '로컬 환경 구동 가능성'에 있습니다.
■ 개요
10월 7일에 발표된 plamo-2-translate의 후속 모델이며, PFN과 NICT의 공동 연구를 통해 얻은 사전 학습 모델인 「PLaMo 3 NICT」가 기반입니다. 이전 세대보다 학습량을 수백 배 늘렸으며, 기존에 문제가 되었던 의역이나 정보 추가/누락 현상이 개선되었다고 합니다. 11월 5일에 Hugging Face에서 오픈 웨이트(open-weight)로 공개되었으며, 53개 언어를 지원하고 0.8B・2B・8B・31B의 4가지 크기 중에서 선택할 수 있습니다. 앞뒤 문맥을 참고 정보로 제공하거나 용어집으로 전문 용어의 번역어를 지정할 수 있으며, 일본어 번역 시 경체(敬体)와 상체(常体)를 지정할 수도 있습니다. 상업적 이용은 직전 사업연도 매출이 10억 엔 이하일 경우 사전 등록을 통해 무료입니다. 프리랜서 개인사업자라면 이 조건에 해당할 것으로 보입니다.
■ Claude보다 나은가
PFN 공식 웹사이트의 비교표(4개 벤치마크 평균, 원문 10만 자당 비용)는 다음과 같습니다.
| 모델 | 품질 (4개 벤치 평균) | 비용 / 10만 자 |
|---|
| Claude Fable 5.1 | 0.632 | ¥1,029 |
| PLaMo 3 Translate 31B | 0.616 | ¥14.2 |
| GPT-6.1 Sol | 0.615 | ¥283 |
| DeepL | 0.593 | ¥250 |
최고 점수는 Claude Fable 5.1입니다. PFN은 이를 해외 프론티어 모델과 '동등'한 정확도와 표현력을 갖추면서도, 비용은 1/10 미만이라고 내세우고 있습니다. 차이는 작지만, 비용 차이는 약 70배에 달합니다.
두 가지 보충 설명이 있습니다. 이 비교에 포함된 모델은 Fable 5.1이며, 답변한 Claude Opus 5.5가 아닙니다. 또한, 답변자는 Claude 자신이기 때문에 이 질문에는 당사자로서 이해관계가 있습니다. 그 점은 감안하고 읽어 주십시오.
■ 숫자를 의약품/특허 실무에 적용하기 전 주의사항
- 참조 번역 기반 지표라는 점: 사내 벤치인 PFTB・SaaS는 참조 번역과의 문자 수준 유사도(charsim)로 측정됩니다. 참조 번역과 가까울수록 고득점이 되기 때문에, '정확하지만 참조 번역과는 다른 번역'은 감점 처리됩니다. 용어의 정확성이나 청구항 구조가 유지되었는지는 직접적으로 측정할 수 없습니다.
- 공개 벤치는 차이가 나지 않는다는 점: WMT24++에 대해서는 PFN 스스로 성능이 포화 상태여서 어떤 모델도 거의 차이가 없다고 언급했습니다.
- 자사 서비스용 최적화: SaaS 벤치는 HTML 태그를 유지한 채 웹페이지를 번역하는, 브라우저 확장 경험에 맞춘 설계입니다.
- Claude와의 직접 대결은 없음: 승률 평가는 Gemini 3.1 Pro가 번역문 제시 순서를 바꿔서 2회 판정하는 방식이며, 상대는 DeepL과 Google Translate뿐입니다.
- 도메인별 평가 부재: 의료・반도체・특허별 점수는 찾을 수 없었습니다.
■ 실무에서의 용도 구분 (추론)
PLaMo가 유리한 상황
- 기밀 유지: 출원 전 명세서나 임상시험 관련 문서 등 NDA(비밀유지협약)로 클라우드 AI 사용이 금지된 건의 경우, 품질 차이보다 결정적인 요소입니다.
- 로컬 구동 가능성: 8B와 31B의 성능 차이는 작으며, 8B는 BF16 기준으로 약 17GB입니다. GGUF 버전과 MLX 버전도 동봉되어 있어, 로컬 Mac에서 구동할 가능성이 있습니다.
- 번역문만 저렴하고 안정적으로 반환하는 것.
Claude가 유리한 상황
- 복잡한 지시사항 추종: 클라이언트의 스타일 가이드나 규정 용어 규칙 등 복잡한 지시에 대한 추종. PLaMo로 제어할 수 있는 것은 용어집・문맥・문체 지정 범위에 한정됩니다.
- 번역어 선택 근거 설명, 원문의 모호성 지적.
- 기존 번역 검토, 오역 탐지, 용어의 일관성 체크.
■다른 관점
'어느 쪽이 성능이 더 높은가'라는 질문 자체를 의심하는 시각도 있습니다. 실무에서 병목 현상을 일으키는 것은 초고의 평균 점수라기보다는 검증 비용, 즉 오류가 예측 가능한 형태로 나타나는지 여부입니다. 번역 특화 모델은 출력이 안정적인 반면, 틀릴 때도 유창하게 틀립니다. 범용 LLM은 평균 점수가 높더라도 지시 해석에 따라 편차가 발생합니다. 어느 쪽이 '찾기 쉬운 오류'를 내는지는 벤치마크만으로는 알 수 없습니다. 본인의 분야 원문으로 직접 시험해 봐야 하는 부분입니다.
■확인 방법 제안
NDA 문제가 발생하지 않는 방법으로는 공개된 특허 패밀리를 사용하는 방식이 있습니다. PCT 공보의 영문과 일본 국내 이행 시 번역문을 짝지어 비교하면, 기밀 유지 의무 없이 실전 프로젝트와 유사한 비교가 가능합니다. 8B/31B 모델과 Claude에 동일한 조건으로 번역을 맡기고, 용어, 누락 및 추가 여부, '前記'의 연결 방식, 청구항 구조의 유지를 나란히 보는 형태입니다.
출처:
・마도노토리(窓の杜) 「PFN, 국산 번역 특화 모델 'plamo-3-translate' 발표」 https://t.co/8ClMNpORfH
・마도노토리(窓の杜) 「번역 특화 LLM 'PLaMo 3 Translate' 오픈 웨이트로 공개」 https://t.co/qRcRCQIjON
・Impress Watch 「PFN, 스마트폰으로 오프라인 번역 'PLaMo 3 Translate'」 https://t.co/vKA4zPHlt2
・PLaMo번역 공식 사이트 https://t.co/2Sye81rtNp
・PFN 기술 블로그 「plamo-3-translate」 https://t.co/57LIukHDBj
・PFN 기술 블로그 「PLaMo 3 Translate 가중치 공개」 https://t.co/OXAllmnraI
・labmemo 「PLaMo 3 Translate 가중치 공개」 https://t.co/V0XKROsZuK
・cldnavi 「Japan-built translation AI that runs on a phone」 https://t.co/5fgTUsQrXU
【Q2】
최고 성능의 AI로 부족한 부분을 개인의 역량으로 보완할 수 있고, 로컬에서 구동하여 NDA 위반도 없다면 유일한 선택지일까요? 어느 정도의 머신 사양으로 구동이 가능한가요?
【A2】
유력한 첫 번째 후보이지만,'유일하다'고 단정하기 전에 확인해야 할 점이 두 가지 있습니다. 로컬 실행으로 해결되는 것은 '원문을 외부로 보내지 않는다'는 한 가지 문제일 뿐, 계약 및 라이선스 문제는 별도로 남아있기 때문입니다.
■'NDA 위반 없음' 이전에 확인할 사항
- PLaMo 자체의 라이선스에 표시 의무가 있음
가장 간과하기 쉬운 부분이 바로 여기입니다. PLaMo 커뮤니티 라이선스에는 '본 모델 등'의 출력 결과(생성물)가 포함됩니다. 이를 제3자에게 제공할 경우에는 계약서 사본을 전달하고, 'Built with PLaMo'라고 명시하는 것이 조건입니다. 생성물을 공표할 경우에도, 모델의 출력물임을 명시하도록 규정되어 있습니다.
고객에게 납품되는 것이 이 '제3자 제공'에 해당하는지, 대폭 수정한 번역문마저도 여전히 '생성물'인지 여부는 조항만으로는 분명하지 않습니다. 만약 해당된다면, 납품물에 MT 사용을 표시해야 하며, 이는 기밀 유지 의무나 화이트 라벨(white label) 납품과 충돌합니다. 최종적으로 공보로 공개되는 특허의 국내 이행 번역문에서는 더욱 문제가 커집니다. 답변자는 법률 전문가가 아니므로, PFN에 서면으로 질의하는 것이 확실합니다. 상업적 이용에는 사전 등록이 필요하므로, 그 과정에서 함께 확인할 수 있습니다.
- 고객 계약 자체가 MT 사용 자체를 제한하고 있는 경우
제약이나 특허 관련 건에서는 처리 장소와 관계없이 '기계 번역 사용 금지'나 '사전 승인제'를 규정한 조항이 있습니다. 로컬 실행으로 해소되는 것은 '제3자에게 공개하는 것'의 문제일 뿐, 이러한 조항에는 효력이 미치지 않습니다. 반면, 동등한 기밀 유지 의무를 지는 위탁처에 공개하는 것을 허용하는 NDA라면, 데이터를 보관하지 않는 계약 클라우드 API가 허용될 여지도 있습니다. 판단의 분기점은 처리 장소보다 조항의 문언입니다.
■로컬 선택지는 PLaMo만이 아니다
번역 특화형으로는 Google의 TranslateGemma와 Tencent의 Hy-MT2가 있습니다. PFN은 둘 다 PLaMo가 우위에 있다고 했지만, 이는 자사 평가이며 독립적인 재현은 아직 나오지 않았습니다.
범용 오픈 모델도 후보가 될 수 있습니다. 사실 PLaMo 3 Translate 자체는 학습용 번역문을 합성하는 교사(teacher)로 Gemma 4 31B IT를 사용하고 있습니다. 범용 모델이라면, PLaMo로는 처리하기 어려운 누락된 번역문, 숫자, 용어 대조 같은 검증 작업을 로컬에서 맡길 수 있습니다. '번역은 PLaMo로 하고, 대조는 범용 로컬 모델을 사용하는' 이중 구조도 고려해 볼 수 있습니다.
■머신 스펙(Machine Specs)
각 사이즈 모두 공식적으로 GGUF 형식(Windows/Linux용)과 MLX 형식(Mac용)의 양자화 버전이 준비되어 있습니다. 모델 카드상의 수치로 볼 때, 4bit 양자화 (Q4_K_M)를 사용해도 정확도는 원본 BF16과 거의 동등합니다.
| 모델 | 4bit 버전 | BF16 버전 | 메모리 예상치(추정) |
|---|
| 8B | 5.28GB | 17.06GB | 4bit 버전의 경우 16GB 기기에서 가능 |
| 31B | 19.53GB | 63.51GB | 4bit 버전의 경우 32GB는 간당간당, 48GB 이상이면 쾌적 |
실행 시에는 파일 크기 이상의 메모리를 사용합니다. 입출력 상한은 총 32,768 토큰이며, 긴 문맥을 제공할수록 더 많은 메모리를 소모합니다. 번역 중에 CAT 도구나 Word도 열어둔다는 점을 고려하면, 31B를 자주 사용하는 기준은 다음 중 하나입니다.
- 유니파이드 메모리(Unified Memory) 48GB 이상의 Apple Silicon Mac
- VRAM 24GB 이상 (여유를 본다면 32GB)의 NVIDIA GPU
속도는 실행 환경에 따라 크게 달라집니다. Snapdragon X Elite・메모리 64GB에서 CPU만으로 구동한 개인 검증 결과, 8B는 초당 약 9 토큰, 31B는 약 2.3 토큰이었습니다. PLaMo는 일본어 1,000자당 약 447 토큰을 출력하므로, CPU만으로는 일본어 1,000자에 31B로 3분 이상, 8B로 1분 미만이 걸리는 계산입니다. GPU(Mac의 경우 Metal)를 사용하면 대폭 빨라집니다.
같은 검증에서 문맥을 파악하여 의미를 유지한 부분은 8B와 31B 모두 6곳 중 5곳이었으며, 0.8B나 2B와는 명확한 차이가 있었습니다. 시도 횟수가 적어 참고용으로만 활용하시되, 공식 수치에서도 8B와 31B의 차이는 작으므로, 먼저 가지고 있는 장비로 8B를 테스트해보고 부족함을 느끼면 31B 전용 장비를 검토하는 순서가 가장 좋습니다.
■다른 관점에서
'부족한 부분을 개인의 역량으로 보완할 수 있다'는 전제도 고려해 볼 여지가 있습니다. 보완할 수 있는지와, 보완하는 것이 더 빠른지는 별개의 문제입니다. 포스트 에디팅(Post-editing)에서는 번역문의 표현에 번역자의 판단이 영향을 미치는 경향이 지적되고 있으며, 숙련자일수록 '처음부터 직접 번역하는 것이 빠르고 번역문도 좋다'는 경우가 있습니다. PLaMo가 가장 유용할 수 있는 부분은 본인의 번역문을 대체하는 상황보다는, 방대한 참고 자료를 읽거나 납품 전에 원문의 누락된 부분을 잡아내는 보조 작업일지도 모릅니다. 어느 지점에서 시간이 단축될지는 직접 측정해봐야 알 수 있습니다.
출처:
・PLaMo 커뮤니티 라이선스 계약(공식) https://t.co/PmGxzofhG6
・Hugging Face: plamo-2-translate LICENSE https://t.co/lh2uhuVQF6
・마도노토리 '번역 특화 LLM「PLaMo 3 Translate」가 오픈웨이트로 공개' https://t.co/qRcRCQIjON
・ToolNavs 'PLaMo 3 Translate가 오픈웨이트로 공개' https://t.co/7s8KqTnp7Q
・PFN 기술 블로그 'PLaMo 3 Translate 가중치 공개와 개발 비화' https://t.co/OXAllmnraI
・Hugging Face: plamo-3-translate-31b README https://t.co/48JknmgLyc
・note 'PLaMo 3 Translate를 스마트폰・Windows・Mac・Linux에 넣는 방법' https://t.co/KwKO34LcJJ
・labmemo 'PLaMo 3 Translate 가중치 공개' https://t.co/V0XKROsZuK
・note 'PLaMo 3 Translate 4 모델을 비교한 이야기' https://t.co/kKy5pxKnUa
・AIB 'PFN Launches Translation LLM plamo-3-translate' https://t.co/sk3jW0tGo1
【Q3】
머신 스펙과 계약 내용 확인의 허들을 생각하면, 아직 프리랜서 번역가가 엑셀・워드 감각으로 AI 엔진을 로컬에서 돌려 납품하는 시대는 조금 멀다고 봐야 할까요……
【A3】
절반은 동의하지만, 나머지 절반은 다른 관점을 가지고 있습니다. 두 가지 허들은 성격이 완전히 다르기 때문입니다.
머신 사양(Machine Spec)은 생각만큼 높은 벽이 아닙니다. 8B의 4비트 버전이라면 16GB 장치에서도 구동 가능하기 때문에, 번역가가 현재 사용하는 표준적인 PC 환경을 확장하는 수준에 머뭅니다. 31B를 원활하게 돌릴 수 있는 장비 역시 아마도 몇 년 안에 일반 노트북 PC 범위 안으로 들어올 것입니다. 진정한 마찰은 하드웨어보다 통합(Integration) 쪽입니다. CAT 도구 내에서 TM(Translation Memory)이나 용어집과 연동하여 작동하는 단계에 이르러야 비로소 'Excel/Word 감각'이라고 할 수 있습니다. 다만, 이것은 기다리면 해소될 종류의 문제입니다.
계약 문제는 기다려도 해소되지 않습니다. 고객사 측에서 AI 조항을 정비함에 따라 오히려 조건이 더 세밀해질 가능성이 있습니다. 하지만 이는 기술 문제가 아니라 협상(Negotiation) 문제이므로, 상대방에 따라 지금 당장 움직일 수 있습니다. 에이전트를 경유할 경우 양식의 벽이 있지만, 직접 거래하는 고객이라면 사정이 다릅니다. '원문은 자신의 단말기에서 절대 외부로 나가지 않으며, 번역문의 최종 책임은 자신이 진다'고 설명하고 서면으로 동의를 받는 것으로 충분합니다. PLaMo의 표시 의무 역시 PFN에 조회 한 번이면 명확해지는 문제입니다.
그 위에 다른 관점을 두 가지 더 제시합니다.
첫 번째는, '누구나 Excel/Word 감각으로 사용할 수 있는 시대'가 왔을 때, 로컬 AI(Local AI)가 차별화 요인이 아니라 오히려 단가 인하의 근거가 될 것이라는 점입니다. MT(Machine Translation)를 전제로 한 요금표가 업계 표준이 되는 것은 그때일 것입니다. 그렇게 생각하면, 허들이 남아있는 지금이야말로 극복할 수 있는 사람들에게는 선행 기간이라고 할 수 있습니다.
두 번째는 그 반대로, 프리랜서의 손에서 엔진을 구동하는 형태 자체가 과도기적일 수 있다는 시각입니다. 통합이 진행되면, 엔진은 에이전트나 고객사의 플랫폼 측에서 돌아가게 되고, 프리랜서에게는 처음부터 MT가 완료된 포스트 에디팅(Post-Editing) 건으로 도착하게 됩니다. 그렇게 되면, 로컬 환경에 대한 투자가 의미를 갖는 것은 납품 목적이 아니라 자신의 독해 및 검증 도구로서의 역할로 바뀝니다.
어떤 미래를 가정하느냐에 따라, 지금 장비와 계약 정비에 어디까지 투자할지 판단이 달라집니다.
【Q4】
좀 더 사용하기 쉬워질 때까지는 몇 년 정도가 걸릴 것이라고 생각하시나요? 즉 선행자 이익을 취할 수 있는 기간입니다.
【A4】
우선 지난번(A3) 내용에 대한 정정입니다. 'CAT 도구와의 통합은 아직'이라고 했으나, 다시 조사해 보니 부분적으로는 이미 와 있었습니다. Trados용 서드파티 플러그인 Supervertaler는 로컬의 Ollama나 OpenAI 호환 API를 가진 로컬 추론 서버를 연결 대상으로 지정할 수 있습니다. PLaMo를 llama.cpp 서버로 구축하면, 이론상으로는 Trados 내부에서 호출할 수 있습니다(다만, 이 조합의 실례는 아직 확인하지 못했습니다). 로컬 기계 번역을 Trados나 memoQ에 통합하려는 시도 자체도 OPUS-CAT 등에서 이전부터 있었습니다. 즉, 기술적으로 손을 움직일 수 있는 사람이라면 지금 당장 가능한 단계입니다.
반면, CAT 도구 제조사 순정(純正)의 흐름은 클라우드 쪽에 가깝습니다. memoQ의 LLM 번역 기능 AGT는 Azure상의 모델을 사용하며, TMS 라이선스가 전제가 되므로, 독립적인 프리랜서는 직접 사용할 수 없습니다. 제조사 측에서는 로컬 대응을 서두를 동기가 약하기 때문에, 'Excel/Word 감각'의 보급은 제조사 순정 제품보다는 주변 도구(Peripheral Tool)를 통해 진행될 것이라고 봅니다.
■ 추정 (확도는 높지 않습니다)
허들별로 해소까지 걸리는 시간이 다릅니다.
- 하드웨어: 1~2년. PLaMo는 전 세대보다 1년 반이 채 안 되는 기간 만에, PFN 평가에서 최소 모델이 30배 이상 큰 번역 특화 모델을 능가하는 수준까지 도달했습니다. 현재의 31B 상당 품질이 표준적인 장비로 구동 가능해질 때까지는 오래 걸리지 않을 것입니다.
- 사용 편의성 (원클릭 도입, CAT 통합): 2~3년.
- 계약 관행 (AI 조항 양식, 요금 체계 재편): 3~5년. 제약과 특허 분야는 업계 내에서도 움직임이 느린 영역입니다.
따라서 기술적인 선행자 이익은 2년 전후로 예상합니다. 다만, 정말 중요한 것은 그 이후입니다.
■ 선행자 이익의 내용은 기술이 아니다
도구가 사용하기 쉬워지면, 기술적 차이는 누구나 따라잡을 수 있어 사라집니다. 남는 것은 선행 기간 동안 쌓인 것입니다.
- 직접 거래 고객과 맺은 '로컬 AI를 자신의 관리 하에 사용하는 것'에 대한 합의와 그에 따른 실적
- 이 모델이 의약품이나 특허 분야에서 어떻게 오류를 범하는지에 대한 지식과, 이에 맞춘 검증 절차
- 자신의 분야 용어집 및 대역 자산(対訳資産)
이러한 것들은 계약 관행이 굳어지기까지의 3~5년, 오히려 굳어진 후에도 유효합니다. 관행이 정립된 시점에서 '이미 합의가 이루어졌고 실적도 있는' 편에 서 있느냐 여부가 요금 협상에서의 입지를 가르게 됩니다.
■ 반대 관점에서의 시각
애초에 선도자 이익이 실제로 이익이 되지 않을 가능성도 있습니다. 생산성이 향상되어 얻는 부분이 이익이 되는 경우는, 단가가 동일한 상태에서 빠르게 결과물을 완성할 수 있을 때로 한정됩니다. 하지만 AI 사용을 공개하게 되면, 고객들은 가격 인하를 요구하기 쉽습니다. A2에서 언급된 PLaMo의 표시 의무가 납품물에까지 미친다면 공개는 피할 수 없게 되며, 선도자 이익의 대부분은 그 자리에서 단가에 흡수될 것입니다. 또한, 고객들이 이미 MT(기계 번역)를 전제로 단가를 낮추기 시작했다면, 이 몇 년 동안 얻을 수 있는 것은 추가적인 이익이 아니라, 가치 하락을 피하는 것에 그칠 수도 있습니다. 어떤 결과가 될지는 라이선스 해석과 고객별 요금 구조에 달려 있습니다.
출처:
・Supervertaler for Trados: AI Settings https://t.co/Eaa4kkLgyz
・OPUS-CAT (GitHub) https://t.co/juQfC2ZXxp
・KI-Syndikat: memoQ https://t.co/9IuGch4Obf
・PFN: PLaMo Translate 발표 (2025년 5월) https://t.co/8MRwV8QcZe
・마도노토리 'plamo-3-translate 발표' https://t.co/8ClMNpORfH
・마도노토리 'PLaMo 3 Translate 오픈웨이트 공개' https://t.co/qRcRCQIjON