Translated presentó Lara Mini, un modelo base de 7.200 millones de parámetros entrenado con datos de 45 idiomas y diseñado para activar una fracción de su capacidad en cada token. La compañía reporta resultados competitivos en varias pruebas y una velocidad alta en uso individual, pero el acceso a los pesos es restringido y el modelo todavía no está preparado para funcionar como asistente.
***

• Lara Mini activa 600 millones de parámetros por token y combina expertos compartidos entre idiomas.
• En una prueba controlada, aumentar la proporción de inglés mejoró poco sus resultados en ese idioma y redujo el promedio multilingüe.
• Translated lo presenta como modelo de investigación, sin ajuste de seguridad ni seguimiento de instrucciones, y proyecta usarlo en traducción sin conexión.

Translated presenta Lara Mini, un modelo de IA entrenado en 45 idiomas

Una arquitectura diseñada para activar menos parámetros

Translated anunció Lara Mini el 12 de noviembre de 2026 como un modelo de investigación entrenado desde cero con 6 billones de tokens en inglés y otros 44 idiomas. El sistema cuenta con 7.200 millones de parámetros, aunque activa 600 millones por token, una decisión arquitectónica orientada a reducir el cómputo necesario en cada paso. Unite.AI reportó que entre los idiomas incluidos están los 24 oficiales de la Unión Europea.

La arquitectura utiliza una mezcla de expertos: para cada token activa cuatro de 128 expertos enrutados, mientras mantiene activo un experto compartido. En este tipo de diseño, un mecanismo selecciona qué componentes especializados procesan cada fragmento de texto; por eso, el total de parámetros del modelo no equivale a los que trabajan simultáneamente. Translated sostiene que los idiomas comparten expertos, en lugar de contar con grupos separados para cada lengua.

El modelo tiene 34 capas que combinan tres mecanismos de atención: 14 capas Gated DeltaNet de atención lineal, 13 capas de ventana deslizante de 512 tokens y siete capas de atención global. La combinación limita el crecimiento del estado de inferencia frente a una arquitectura basada únicamente en atención completa. Además, una fase posterior de 100.000 millones de tokens amplió la ventana de contexto desde 4.096 hasta 131.072 tokens.

Translated formó el conjunto de datos a partir de fuentes publicadas abiertamente y filtró y deduplicó el material hasta reunir un grupo de 13,8 billones de tokens. Según la empresa, el 97% de los tokens de la ejecución inicial de entrenamiento correspondió a la primera lectura de un documento. El inglés aportó 2,49 billones de tokens, equivalentes al 41,4%, y los otros 44 idiomas sumaron 2,18 billones, o el 36,4%; el resto incluyó código, matemáticas y ejemplos con formato de ajuste fino supervisado.

El equilibrio entre inglés y cobertura multilingüe

Para estudiar cómo cambia el rendimiento según la mezcla de idiomas, el equipo comparó dos recocidos controlados de 100.000 millones de tokens usando el mismo checkpoint. El recocido es una etapa final de entrenamiento en la que la tasa de aprendizaje disminuye hasta llegar a cero. En una de las variantes, los investigadores sustituyeron por inglés el 33% de la proporción multilingüe, lo que elevó la presencia del inglés del 27% al 60%.

El cambio produjo una mejora de apenas 0,3 puntos en el promedio de desarrollo en inglés, pero el promedio multilingüe de los idiomas soportados cayó 2,7 puntos. Los resultados describen únicamente ese recocido y no miden qué ocurriría si la proporción de idiomas cambiara durante el preentrenamiento principal. Por ello, el experimento no permite concluir que reducir la diversidad lingüística en toda la formación tendría exactamente el mismo efecto.

Un análisis distinto examinó el enrutamiento de expertos y encontró patrones compartidos entre lenguas, con mayor similitud entre idiomas relacionados al inicio de la red y rutas casi idénticas en sus capas intermedias. Los autores advierten que compartir expertos no demuestra que el modelo haya desarrollado representaciones semánticas compartidas. Tampoco consideran que sus pruebas prueben una mejora general del razonamiento o del desempeño en inglés gracias al entrenamiento multilingüe.

La cobertura de 45 idiomas, por tanto, describe el alcance del entrenamiento, pero no implica resultados uniformes para cada lengua. Translated señaló que el azerí y el bengalí estuvieron entre los idiomas soportados con puntuaciones más bajas, en un contexto donde la disponibilidad de datos de entrenamiento es limitada. Esa diferencia importa para interpretar cualquier promedio general: una cifra agregada puede ocultar brechas entre idiomas con abundantes recursos y otros con menos material disponible.

Resultados de evaluación y límites de comparación

Translated comparó Lara Mini con otros 56 modelos base abiertos en 26 pruebas de inglés, comprensión multilingüe, matemáticas y programación, aplicando prompts, configuraciones y métodos de extracción de respuestas comunes. En la evaluación publicada por la compañía, entre los 36 modelos evaluados con hasta 2.000 millones de parámetros activos, Lara Mini obtuvo un promedio general de 57,0 y ocupó el primer lugar de esa categoría. Translated situó detrás a granite-4.0-h-tiny, con 53,9, y a Qwen3-1.7B, con 53,8. Se trata de resultados reportados por la empresa, no de una validación independiente descrita en esta comparación.

La comparación tiene una salvedad importante sobre el volumen de entrenamiento reportado: granite-4.0-h-tiny y Qwen3-1.7B acumularon, respectivamente, 22,5 billones y 36 billones de tokens de preentrenamiento, frente a los 6 billones de la ejecución inicial de Lara Mini. Esa diferencia ofrece contexto para leer las puntuaciones, pero no establece por sí sola por qué un modelo supera a otro. Los resultados también corresponden a modelos base, no a sistemas ajustados para seguir instrucciones.

En los resultados por dominio, Lara Mini ocupó el primer lugar de esa clase en comprensión multilingüe, con 56,7, y matemáticas, con 59,9; quedó segundo en inglés, con 66,4, y quinto en código, con 45,1. El promedio general pondera por igual los cuatro dominios. Para las pruebas multilingües, el cálculo considera los idiomas no ingleses soportados por Lara Mini para cada modelo comparado, un criterio que conviene tener presente al interpretar la clasificación.

La empresa midió una generación de unos 1.100 caracteres por segundo para un solo usuario en una GPU A100, sin cuantización. En la comparación de velocidad, cada modelo con un promedio general superior al de Lara Mini generó texto al menos 1,8 veces más lento. Sin embargo, Translated indicó que esa ventaja es más marcada con un usuario y prompts largos, y disminuye cuando muchos usuarios comparten la misma GPU; por eso, la cifra individual no garantiza la misma experiencia bajo carga compartida.

Acceso limitado y posible uso en traducción sin conexión

Lara Mini se distribuye como modelo base de continuación de texto, no como chatbot ni como sistema de seguimiento de instrucciones. Tampoco cuenta con ajuste de seguridad, y su ficha advierte que puede producir texto incorrecto, sesgado u ofensivo; Translated desaconseja desplegarlo como asistente sin entrenamiento adicional. Esta distinción separa los resultados de investigación de la preparación necesaria para ofrecer un producto directamente a usuarios.

El acceso a los pesos está restringido y Translated revisa cada solicitud. La licencia CC BY-NC-SA 4.0 permite investigación y otros usos no comerciales, mientras que el código y el tokenizador utilizan Apache 2.0; la empresa ofrece licencias comerciales por separado. Translated no publicó los datos de entrenamiento junto con el modelo, y su página de investigación indica que algunos clientes empresariales también tendrán acceso.

La compañía describe el ajuste fino para aplicaciones soberanas especializadas como uno de los usos previstos. Lara Mini forma parte de Lara 4, familia de modelos fundacionales con la que Translated busca impulsar una próxima generación de Lara Translate. La página de investigación de la empresa describe Lara Mini como el modelo base previsto para la función de traducción sin conexión de una próxima versión de Lara Translate; por tanto, la integración seguía siendo un plan y no una función ya ofrecida.

Translated planea utilizar Lara Mini como base para traducción de texto sin conexión en una próxima aplicación de Lara Translate, con procesamiento en el teléfono para que el texto permanezca en el dispositivo. La empresa no especificó qué idiomas estarán disponibles en esa función cuando se lance, de modo que los 45 idiomas de entrenamiento no deben confundirse con la cobertura de traducción offline anunciada. La propuesta conecta la eficiencia reportada por la compañía con una aplicación concreta, aunque su desempeño real dependerá de la implementación y de los idiomas incluidos.

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