Translated lança Lara Mini, um modelo de pesquisa em 45 idiomas

A Translated anunciou Lara Mini em 12 de novembro de 2026, lançando um modelo de pesquisa treinado do zero com 6 trilhões de tokens em inglês e outros 44 idiomas, incluindo todos os 24 idiomas oficiais da UE. O sistema, com 7,2 bilhões de parâmetros, ativa apenas 600 milhões de parâmetros por token.

A arquitetura de mistura de especialistas ativa quatro dos 128 especialistas roteados para cada token, enquanto um especialista compartilhado permanece ativo. Suas 34 camadas combinam 14 camadas de atenção linear Gated DeltaNet, 13 camadas de atenção com janela deslizante de 512 tokens e sete camadas de atenção global, limitando o crescimento do estado de inferência em comparação com a atenção plena. Após a rodada inicial de treinamento, uma etapa separada, com 100 bilhões de tokens, ampliou a janela de contexto de 4.096 para 131.072 tokens.

A Translated criou o conjunto de dados a partir de fontes divulgadas publicamente, filtrando-as e eliminando duplicatas para formar um conjunto de 13,8 trilhões de tokens; 97% dos tokens do treinamento inicial correspondiam à primeira leitura de um documento. O inglês forneceu 2,49 trilhões de tokens, ou 41,4%, enquanto os outros 44 idiomas forneceram 2,18 trilhões, ou 36,4%. Código, matemática e exemplos formatados como dados de ajuste fino supervisionado forneceram o restante.

Testando a substituição do inglês

Em um teste separado, os pesquisadores usaram o mesmo ponto de verificação em duas etapas controladas de decaimento, cada uma com 100 bilhões de tokens — a fase final do treinamento, na qual a taxa de aprendizado cai a zero. Substituir por inglês a parcela multilíngue de 33% elevou a participação do inglês de 27% para 60%. O relatório técnico afirma que a média nos conjuntos de desenvolvimento em inglês aumentou apenas 0,3 ponto, enquanto a média multilíngue nos idiomas compatíveis caiu 2,7 pontos.

O experimento se aplica apenas à etapa de decaimento; ele não mede o efeito da parcela multilíngue durante a fase principal de pré-treinamento. Uma análise de roteamento separada constatou que os idiomas compartilham especialistas, em vez de receberem grupos distintos de especialistas, e que idiomas relacionados apresentam roteamento semelhante no início da rede e quase idêntico nas camadas intermediárias. Os autores alertam que o roteamento compartilhado não comprova a existência de representações semânticas compartilhadas e que seus experimentos não demonstram que o treinamento multilíngue melhora o raciocínio geral ou o desempenho em inglês.

Pontuações dos benchmarks e suas limitações

A Translated avaliou Lara Mini em comparação com outros 56 modelos-base abertos, usando 26 benchmarks de inglês, idiomas multilíngues, matemática e código, com prompts, configurações e métodos de extração de respostas padronizados. Entre os 36 modelos com até 2 bilhões de parâmetros ativos, Lara Mini obteve média geral de 57,0, à frente de granite-4.0-h-tiny, com 53,9, e Qwen3-1.7B, com 53,8. Os totais de pré-treinamento informados para esses modelos foram de 22,5 trilhões e 36 trilhões de tokens, respectivamente, em comparação com 6 trilhões na rodada inicial de Lara Mini.

Os resultados da Translated colocaram Lara Mini em primeiro lugar nessa categoria em compreensão multilíngue, com 56,7, e em matemática, com 59,9; em segundo lugar em inglês, com 66,4; e em quinto lugar em código, com 45,1. A pontuação geral atribui o mesmo peso às médias dos quatro domínios, e, para todos os modelos, as médias dos benchmarks multilíngues são calculadas com base nos idiomas compatíveis com Lara Mini que não sejam o inglês. A comparação abrange modelos-base, e não sistemas ajustados para seguir instruções. A qualidade também varia entre os idiomas, e o azerbaijano e o bengali estão entre os idiomas compatíveis com as pontuações mais baixas, devido à escassez de dados de treinamento.

A Translated mediu em Lara Mini cerca de 1.100 caracteres gerados por segundo para um usuário em uma GPU A100, sem quantização; todos os modelos com média geral superior na comparação de velocidade geraram texto pelo menos 1,8 vez mais lentamente. A vantagem é maior para um único usuário e prompts longos, e diminui quando muitos usuários compartilham a GPU.

Acesso à pesquisa e planos para o produto

O artefato disponibilizado é um modelo-base de continuação de texto, não um sistema de conversa ou de seguimento de instruções, e não possui ajuste de segurança. Seu cartão do modelo alerta que ele pode gerar textos incorretos, tendenciosos ou ofensivos e não deve ser implantado como assistente sem treinamento adicional.

O acesso aos pesos é restrito, e cada solicitação é analisada pela Translated. Os pesos são licenciados sob CC BY-NC-SA 4.0 para pesquisa e outros fins não comerciais, enquanto o código e o tokenizador usam Apache 2.0. A Translated oferece licenças comerciais separadamente e não está disponibilizando dados de treinamento junto com o modelo.

A página de pesquisa da Translated informa que clientes empresariais selecionados também terão acesso e descreve o ajuste fino para aplicações soberanas especializadas como um uso previsto. Lara Mini faz parte de Lara 4, a família de modelos fundamentais destinada a impulsionar a próxima geração do Lara Translate.

Uma atualização publicada em 13 de novembro de 2026 informou que Lara Mini ainda não estava disponível no Lara Translate. A empresa planejava usá-lo como base para a tradução de textos offline no próximo aplicativo Lara Translate, com processamento no próprio celular para que o texto permaneça no dispositivo. A indicação de 45 idiomas se refere à cobertura do treinamento; não foi especificado quais idiomas seriam compatíveis com a tradução offline no lançamento.

O aplicativo planejado vincula a pesquisa a um teste concreto de produto: transformar um ponto de verificação de pesquisa esparso em tradução privada no próprio dispositivo, preservando a eficiência e o desempenho multilíngue relatados na avaliação da Translated.