Translated, 45 Dilli Bir Araştırma Modeli Olan Lara Mini’yi Tanıttı

Translated, 12 Kasım 2026’da Lara Mini’yi tanıttı. İngilizce ve 24’ü AB’nin resmî dili olan diğer 44 dili kapsayan 6 trilyon token üzerinde sıfırdan eğitilen bu araştırma modeli, token başına yalnızca 600 milyon parametreyi etkinleştiriyor. Sistemde toplam 7,2 milyar parametre bulunuyor.

Uzman karışımı mimarisi, her token için yönlendirilen 128 uzmandan dördünü etkinleştirirken paylaşılan bir uzmanı da sürekli etkin tutuyor. Modelin 34 katmanı; 14 Gated DeltaNet doğrusal dikkat katmanını, 512 tokenlık pencereye sahip 13 kayan pencere dikkat katmanını ve yedi küresel dikkat katmanını bir araya getiriyor. Böylece çıkarım durumunun tam dikkat mekanizmasına kıyasla büyümesi sınırlandırılıyor. İlk eğitim çalışmasının ardından yürütülen ayrı bir 100 milyar tokenlık aşamada bağlam penceresi 4.096 tokendan 131.072 tokene çıkarıldı.

Translated, veri kümesini kamuya açık kaynaklardan oluşturdu; kaynakları filtreleyip yinelenenleri ayıklayarak 13,8 trilyon tokenlık bir havuz elde etti. İlk eğitim tokenlarının %97’si bir belgenin ilk kez okunması sırasında kullanıldı. İngilizce 2,49 trilyon tokenla, yani %41,4’lük payla katkıda bulunurken diğer 44 dil 2,18 trilyon token, yani %36,4’lük pay sağladı. Geri kalanını kod, matematik ve denetimli ince ayar verilerine benzer biçimde biçimlendirilmiş örnekler oluşturdu.

İngilizcenin Yerine Konmasını Test Etmek

Araştırmacılar ayrı bir testte, öğrenme oranının sıfıra indiği son eğitim aşaması olan iki kontrollü 100 milyar tokenlık azaltma çalışmasında aynı kontrol noktasını kullandı. Çok dilli verilerin %33’lük payının İngilizceyle değiştirilmesi, İngilizcenin payını %27’den %60’a çıkardı. Teknik rapora göre İngilizce geliştirme kümesi ortalaması yalnızca 0,3 puan artarken desteklenen dillerdeki çok dilli ortalama 2,7 puan düştü.

Bu deney yalnızca öğrenme oranının azaltıldığı aşama için geçerli; çok dilli verilerin ana ön eğitim aşamasındaki etkisini ölçmüyor. Ayrı bir yönlendirme analizinde dillerin ayrı uzman gruplarına atanmak yerine uzmanları paylaştığı; birbiriyle ilişkili dillerin ağın ilk katmanlarında benzer, orta katmanlarında ise neredeyse aynı yönlendirme örüntülerini gösterdiği bulundu. Yazarlar, yönlendirmenin paylaşılmasının anlamsal temsillerin de paylaşıldığını kanıtlamadığını ve deneylerinin çok dilli eğitimin genel akıl yürütme becerisini ya da İngilizce performansını geliştirdiğini göstermediğini vurguluyor.

Kıyaslama Puanları ve Sınırları

Translated, Lara Mini’yi İngilizce, çok dilli, matematik ve kodlama alanlarında 26 kıyaslama testinde, ortak istemler, ayarlar ve yanıt çıkarma yöntemleri kullanarak diğer 56 açık temel modelle karşılaştırdı. Etkin parametre sayısı 2 milyara kadar olan 36 model arasında Lara Mini, genel ortalamada 57,0 puan alarak 53,9 puanlı granite-4.0-h-tiny ve 53,8 puanlı Qwen3-1.7B’nin önünde yer aldı. Bu modellerin açıklanan ön eğitim toplamları sırasıyla 22,5 trilyon ve 36 trilyon token olurken Lara Mini’nin ilk eğitim çalışmasında 6 trilyon token kullanıldı.

Translated’ın sonuçlarına göre Lara Mini, bu grupta çok dilli anlama alanında 56,7 ve matematikte 59,9 puanla birinci; İngilizcede 66,4 puanla ikinci, kodlamada ise 45,1 puanla beşinci oldu. Genel puan, dört alanın ortalamalarına eşit ağırlık veriyor; her model için çok dilli kıyaslama testlerinin ortalaması, Lara Mini’nin desteklediği İngilizce dışındaki diller üzerinden hesaplanıyor. Karşılaştırma, talimatlara göre ince ayar yapılmış sistemleri değil, temel modelleri kapsıyor. Diller arasındaki kalite de değişkenlik gösteriyor; eğitim verilerinin sınırlı olduğu Azerice ve Bengalce, desteklenen diller arasında en düşük puan alanlardan.

Translated, nicemleme uygulanmamış bir A100 GPU’da tek kullanıcı için Lara Mini’nin saniyede yaklaşık 1.100 karakter ürettiğini ölçtü. Hız karşılaştırmasında genel ortalaması daha yüksek olan her model, en az 1,8 kat daha yavaş metin üretti. Avantaj tek kullanıcı ve uzun istemlerde en belirginken GPU’yu çok sayıda kullanıcı paylaştığında azalıyor.

Araştırmaya Erişim ve Ürün Planları

Yayımlanan model, talimatları izleyen ya da sohbet edebilen bir sistem değil, metin devam ettirme amacı taşıyan bir temel model; ayrıca güvenlik için ince ayar yapılmamış. Model kartında, modelin yanlış, taraflı veya saldırgan metinler üretebileceği ve ek eğitim olmadan asistan olarak kullanıma sunulmaması gerektiği uyarısı yer alıyor.

Ağırlıklara erişim kısıtlı ve her başvuru Translated tarafından inceleniyor. Ağırlıklar, araştırma ve diğer ticari olmayan amaçlar için CC BY-NC-SA 4.0 lisansıyla; kod ve tokenizer ise Apache 2.0 lisansıyla sunuluyor. Translated ayrıca ticari lisanslama olanağı sağlıyor ve modelle birlikte hiçbir eğitim verisi yayımlamıyor.

Translated’ın araştırma sayfasında, seçili kurumsal müşterilerin de erişim sağlayacağı belirtiliyor ve özel egemenlik uygulamalarına yönelik ince ayar, amaçlanan kullanım alanlarından biri olarak açıklanıyor. Lara Mini, yeni nesil Lara Translate’e güç vermesi amaçlanan temel model ailesi Lara 4’ün bir parçası.

13 Kasım 2026’da yayımlanan devam yazısında, Lara Mini’nin henüz Lara Translate’te kullanıma sunulmadığı belirtildi. Şirket, modeli bir sonraki Lara Translate uygulamasında çevrimdışı metin çevirisinin temeli olarak kullanmayı planlıyordu; işlem telefon üzerinde yapılacak, böylece metin cihazdan çıkmayacaktı. 45 dil bilgisi eğitim kapsamını ifade ediyor; çevrimdışı çevirinin kullanıma sunulacağı sırada hangi dillerin destekleneceği ise açıklanmadı.

Planlanan uygulama, araştırmayı somut bir ürün testine dönüştürüyor: seyrek bir araştırma kontrol noktasını, Translated’ın değerlendirmesinde bildirilen verimliliği ve çok dilli performansı koruyarak gizliliği gözeten, cihaz üzerinde çalışan bir çeviri sistemine dönüştürmek.