Un modelo fundacional soberano y de código abierto para alemán e inglés | Desarrollo de LLMs bilingües de alta calidad en Europa | Modelo de lenguaje open-source optimizado para la región DACH y mercados globales

Abstract

PROBLEMA: La dependencia de modelos propietarios y la falta de datos de alta calidad para idiomas europeos que no sean el inglés han limitado la soberanía digital en el ámbito de la IA. SOLUCIÓN: Se presenta un nuevo modelo fundacional soberano de código abierto, diseñado específicamente para ofrecer un rendimiento de vanguardia tanto en alemán como en inglés. El modelo se ha construido bajo principios de transparencia y cumplimiento de las normativas de datos europeas. METODOLOGÍA: Fue entrenado en un corpus masivo bilingüe, utilizando técnicas de filtrado avanzadas para garantizar la calidad del alemán y balancear sus capacidades de razonamiento con las del inglés. RESULTADOS: El modelo supera a Llama-3 y otros competidores en benchmarks específicos de lengua alemana, manteniendo la paridad en razonamiento lógico y codificación en inglés. RELEVANCIA: Representa un avance significativo para la autonomía tecnológica en Europa y proporciona una base sólida para aplicaciones que requieren un manejo cultural y lingüístico preciso del alemán.