Por Canuto  

Tether AI Research presentó modelos de traducción de código abierto que funcionan directamente en teléfonos y computadoras, sin depender de internet. La propuesta cubre 19 lenguas africanas, nueve europeas y apunta a llevar educación, información sanitaria y herramientas digitales a comunidades que suelen quedar fuera de la IA moderna.
***

  • TranslatePsy-AfriSLM admite 19 lenguas africanas y su versión más pequeña tiene 800 millones de parámetros.
  • Tether afirma que el modelo superó a sistemas mucho más grandes en varias pruebas de traducción.
  • TranslatePsy-EuroNano puede funcionar con apenas 36 MB de almacenamiento y ofrece 90 direcciones de traducción.

Tether AI Research anunció el 2 de septiembre de 2026 el lanzamiento de una familia de modelos de traducción con inteligencia artificial diseñada para ejecutarse directamente en teléfonos inteligentes, computadoras portátiles y otros dispositivos edge. La iniciativa, desarrollada dentro de QVAC, concentra buena parte de su cobertura en idiomas del África subsahariana, aunque también incorpora una línea para lenguas europeas y apuesta por traducciones privadas, locales y disponibles incluso cuando no existe conexión a internet.

El paquete incluye QVAC TranslatePsy-AfriSLM, con soporte para 19 idiomas africanos, QVAC TranslatePsy-AfriNano, con ocho, y QVAC TranslatePsy-EuroNano, que cubre nueve idiomas europeos. A diferencia de los servicios que envían cada solicitud a una plataforma cloud, estos modelos procesan el contenido en el dispositivo del usuario, una característica que reduce la exposición de datos y puede resultar decisiva en regiones con conectividad irregular.

Una apuesta por los idiomas que la IA suele ignorar

La barrera lingüística sigue limitando el acceso de cientos de millones de personas a las herramientas de IA más avanzadas, que suelen concentrarse en un grupo reducido de lenguas principales. TranslatePsy-AfriSLM busca cubrir parte de ese vacío mediante hausa, amárico, yoruba, lingala, suajili, igbo, zulú, somalí, oromo, malgache, kinyarwanda, xhosa, afrikáans, wolof, luganda, chichewa o nyanja, shona, setsuana y sesoto meridional.

En conjunto, esos idiomas abarcan comunidades de África Occidental, Oriental, Central y Meridional, y representan aproximadamente la mitad de la población del continente. Tether sostiene que la traducción entre las 19 lenguas podría facilitar cursos, material científico, contenidos educativos y herramientas de aprendizaje impulsadas por IA para niños y adultos que no reciben atención suficiente de las plataformas comerciales.

La compañía también destacó el tamaño relativamente reducido de sus modelos. La versión más pequeña de TranslatePsy-AfriSLM cuenta con 800 millones de parámetros y, según las pruebas citadas por Tether, superó a Qwen3.5-122B-A10B, TranslateGemma-27B y NLLB-3.3B en los benchmarks FLORES-200, BOUQuET y SMOL.

Ese resultado no significa que un sistema compacto sea superior en todos los escenarios ni que elimine los desafíos propios de los idiomas con pocos recursos lingüísticos. Sin embargo, muestra la importancia de la selección de datos, especialmente cuando el objetivo consiste en llevar modelos funcionales a dispositivos con menos capacidad de almacenamiento, memoria y procesamiento.

Datos filtrados y traducción directamente en el dispositivo

Una de las principales innovaciones que Tether atribuye al proyecto es un método de filtrado basado en la estimación de calidad. La técnica elimina hasta el 96% de los datos de entrenamiento de código abierto considerados de baja calidad, con la intención de conservar ejemplos más útiles y reducir el peso de los conjuntos empleados para entrenar los modelos.

La división de investigación indicó que su conjunto TranslatePsy-AfriSLM-Synthetic-Mix reúne aproximadamente 215 millones de ejemplos de entrenamiento bidireccionales emparejados con el inglés. Ese conjunto está disponible en Hugging Face bajo una licencia CC BY-NC 4.0, que permite su utilización por investigadores y desarrolladores con fines no comerciales, mientras los modelos y el código se publican para facilitar nuevas integraciones.

El diseño local también tiene una dimensión de privacidad, porque las frases del usuario no necesitan viajar a servidores de terceros para obtener una respuesta. De acuerdo con la información difundida sobre el proyecto, los modelos africanos pueden ocupar entre 21 MB y 35 MB por par de idiomas, lo que abre la posibilidad de instalarlos en teléfonos comunes sin depender de una infraestructura cloud permanente.

Los modelos fueron construidos para ser compatibles con Bergamot, el motor de traducción de código abierto utilizado por Mozilla en la función integrada de traducción de Firefox. QVAC también señaló que sus sistemas pueden procesar una oración en aproximadamente 46 milisegundos y llegar a ser hasta 78 veces más rápidos que modelos más grandes como Salamandra-2B, aunque el rendimiento real dependerá del hardware y de cada combinación lingüística.

Educación, salud y comunicación en comunidades aisladas

La educación aparece como una de las aplicaciones más directas del lanzamiento, ya que estudiantes y docentes podrían acceder a cursos, documentales y material de aprendizaje en lenguas locales. Tether plantea que un modelo que funcione sin conexión puede servir allí donde una conexión persistente resulta costosa, inestable o simplemente inexistente, sin exigir que cada institución instale un sistema separado para cada idioma.

La salud representa otro caso de uso potencial, especialmente si TranslatePsy-AfriSLM se combina con Tether QVAC MedPsy, un pequeño modelo fundacional orientado a aplicaciones médicas y sanitarias. La empresa sostiene que esa combinación podría entregar información de educación sanitaria en idiomas locales a cientos de millones de personas, aunque cualquier despliegue responsable tendría que incorporar salvaguardas y distinguir claramente entre orientación general y atención clínica.

El alcance también puede extenderse a la agricultura, donde los trabajadores del campo recibirían instrucciones técnicas traducidas a su idioma habitual. En contextos humanitarios y de respuesta ante desastres, la traducción offline podría ayudar a organizaciones no gubernamentales y equipos de campo a comunicarse entre comunidades con lenguas distintas, incluso cuando los campamentos o las zonas afectadas tengan conectividad deficiente.

Tether relacionó el proyecto con los quioscos alimentados por energía solar que ha instalado en distintos puntos del África subsahariana. Esas estaciones permiten cargar teléfonos, cambiar baterías y acceder a servicios financieros digitales en lugares donde no llegan de manera confiable la red eléctrica o el sistema bancario; en el escenario planteado por la empresa, los mismos puntos podrían convertirse en centros de acceso a conocimiento local.

La expansión europea y el papel de QVAC

El lanzamiento europeo aplica el mismo principio de modelos compactos y procesamiento local. TranslatePsy-EuroNano sustituye decenas de modelos bilingües separados por dos modelos multilingües organizados según su nivel de rendimiento y, mediante el inglés como idioma pivote, ofrece 90 direcciones de traducción entre nueve lenguas europeas.

La implementación más pequeña requiere 36 MB de almacenamiento, frente a los 633 MB de una configuración offline equivalente de Firefox, según los datos presentados por Tether. Esa diferencia representa una reducción aproximada del 94% en los requisitos de almacenamiento, un factor que puede facilitar la instalación en teléfonos y computadoras con espacio limitado.

La compañía añadió que el modelo de mayor calidad de la familia europea retuvo el 98,4% de la calidad de NLLB-200 de Meta al traducir hacia el inglés, utilizando solo una fracción del almacenamiento de sistemas de mayor tamaño. La comparación ofrece una referencia de eficiencia, pero no reemplaza las evaluaciones independientes que deberán comprobar el comportamiento de los modelos en conversaciones, textos especializados y distintos acentos.

Junto con las familias de traducción, QVAC lanzó un kit de desarrollo de software que reúne varios modelos de IA en un marco de despliegue unificado. La documentación del SDK indica que su arquitectura podría ampliar la cobertura a docenas o incluso cientos de idiomas mediante aproximadamente 50 pares lingüísticos capaces de cubrir 26 lenguas, una posibilidad que dependerá de futuras implementaciones y de la disponibilidad de datos de calidad.

La estrategia tecnológica de Tether

Paolo Ardoino, CEO de Tether, vinculó el lanzamiento con la necesidad de evitar que el idioma determine quién puede aprovechar la inteligencia artificial. En una declaración difundida por la empresa, afirmó que cuatro mil millones de personas quedaron fuera del sistema financiero tradicional y que la tecnología más poderosa de la época ha repetido ese fracaso, antes de defender herramientas abiertas para educación y salud.

La conexión con el negocio de stablecoins resulta evidente desde la estrategia regional de Tether, cuya adopción tiene presencia en África, el Sudeste Asiático y América Latina, según el análisis de Cryptobriefing. En esos mercados coinciden la volatilidad de monedas locales, la limitada infraestructura bancaria y la diversidad de idiomas con pocos recursos tecnológicos, por lo que una IA local puede reforzar la presencia de la compañía más allá de los servicios financieros digitales.

La publicación abierta de los modelos, los datos y el código también busca posicionar a QVAC como una iniciativa de investigación en inteligencia artificial, no únicamente como una extensión de la actividad de Tether en stablecoins. El proyecto deberá demostrar ahora que sus resultados de laboratorio se mantienen en despliegues reales, donde la calidad de los datos, los errores de traducción y los contextos culturales pueden alterar significativamente la experiencia del usuario.

TranslatePsy-AfriSLM está disponible en Hugging Face en las variantes qvac/TranslatePsy-AfriSLM-0.8B, qvac/TranslatePsy-AfriSLM-2B y qvac/TranslatePsy-AfriSLM-4B, además de versiones cuantizadas. TranslatePsy-EuroNano y TranslatePsy-AfriNano también se ofrecen en versiones de precisión completa y cuantizadas, mientras la investigación que sustenta TranslatePsy-AfriSLM se encuentra publicada como un artículo de investigación.

La visión declarada de QVAC es impulsar una inteligencia artificial local e infinita, capaz de vivir y aprender en distintos dispositivos sin concentrar todo el poder en centros de datos corporativos. Si la comunidad logra validar sus modelos y adaptarlos con controles adecuados, el lanzamiento podría representar un avance concreto para que la traducción, la educación y la información sanitaria lleguen a usuarios que hoy permanecen fuera de la conversación tecnológica.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados