TILDE AI Liberturas Tildeopen LLM: un maniquí de idioma alto de código rajado con más de 30 mil millones de parámetros y apoya la mayoría de los idiomas europeos

Empresa de tecnología de idioma letón Tilde ha animado Tildeopen LLMun maniquí de jerigonza alto de código rajado (LLM) especialmente diseñado para Idiomas europeoscon un resistente enfoque en idiomas nacionales y regionales subrepresentados y más pequeños. Es un brinco importante cerca de la equidad gramática y la soberanía digital interiormente de la UE.

Under the Hood: inmueble, capacitación y gobernanza

• La fuga pública ocurrió en 3 de septiembre de 2025cuando Tilde desplegó el maniquí regalado para los usuarios a través de Cara abrazada.
• Construido como un Transformador de decodificador denso de 30 mil millones de parámetrosel maniquí está acondicionado bajo una atrevimiento permisiva (CC-by-4.0) e incluye un amplio soporte lingüístico, desde letón y lituano hasta ucraniano, turco y más allá.
• La capacitación ocurrió en las supercomputadoras de la UE: Lumi (Finlandia) y JÚPITERaprovechando 2 millones de horas de GPU otorgado a través de la Comisión Europea Gran desafío de AI alto.
• Detalle técnico fino: capacitado a través de los scripts GPT-NOOX inspirados en Eleutherai en todo Actualizaciones de 450kconsumidor ~ 2 billones de tokens. La capacitación incluyó un muestreo de tres etapas: uniforme en todos los idiomas, distribución natural para aumentar los idiomas de stop barriguita de datos y un barredura de uniforme final para el estabilidad.
• Hyperparameters: 60 capas, incrustación de tamaño 6144, 48 cabezales de atención, ventana de contexto token 8192, activaciones de Swiglu, codificación posicional de la cuerda, normas de capas RMSNorm.

Equidad del jerigonza y soberanía de datos

• Los modelos convencionales se apoyan en gran medida en el inglés y otros idiomas importantes, causando un rendimiento sesgado al tratar con idiomas bálticos, eslavos u otros idiomas europeos más pequeños. Esta subrepresentación conduce a una gramática escaso, frases incómodas y alucinaciones.
• Tildeopen resuelve esto incrustando un «Tokenizer equitativo»diseñado para representar el texto de forma similar, independientemente del jerigonza, la reducción del recuento de tokens y el aumento de la eficiencia de inferencia para idiomas menos representados.
• Crucialmente, las organizaciones pueden hospedador—En centros de datos locales o nubes seguras que cumplen con la UE, lo que garantiza la adición a GDPR y otros mandatos de protección de datos. Esto aborda las preocupaciones de soberanía vinculadas a los modelos alojados en Estados Unidos o Asia.

Horizonte importante: de prototipo a infraestructura europea de IA

• Tildeopen es un maniquí de «cojín» fundamental. Se aplazamiento que sus próximas versiones más especializadas (por ejemplo, modelos de traducción ajustados de instrucciones) se construyan sobre este núcleo.
• Además es un momento de siembra geográfica: Letonia, a través de Tilde, se posiciona como un exportador de tecnologíacon aspiraciones para resquilar la infraestructura europea de IA al tiempo que preserva la desemejanza gramática.
• Para la investigación, el movimiento refleja una investigación más amplia sobre el comportamiento del maniquí multilingüe: todavía existen los pasos. Las evaluaciones muestran que incluso las LLM abiertas fuertes pueden delirar o retrasarse en precisión léxica para los idiomas bálticos, lo que refuerza la menester de un incremento localizado.

Esquema

Tildeopen LLM Reframas de la EU AI, no como el cumplimiento regulatorio, sino como suministro técnica. Es un maniquí de incorporación capacidad con inmueble transparente, implementación escalable y un feroz compromiso con la equidad gramática. No se complace en exageración; Ofrece sustancia.

---

Preguntas frecuentes

P1: ¿Qué es Tildeopen LLM?
Tildeopen es un Maniquí de jerigonza alto multilingüe de 30b-parámetro capacitado en supercomputadoras de la UE, optimizadas para idiomas europeos, especialmente las subrepresentadas.

P2: ¿En qué se diferencia de los LLM principales?
A diferencia de los modelos globales que priorizan el inglés, Tildeopen usa un tokenizador equitativo y capacitación equilibrada para asegurar una representación y precisión justas en idiomas europeos más pequeños.

P3: ¿Pueden las organizaciones auto-anotar el maniquí?
Sí. Tildeopen es de código rajado bajo CC-By-4.0 y se puede implementar en centros de datos locales o nubes compatibles con la UE para cumplir GDPR y soberanía de datos requisitos.

P4: ¿Cuáles son los principales casos de uso?
Servicios gubernamentales, traducción, educación, asistentes de IA, tecnologías del deje y atención al cliente multilingüe, cualquier dominio que requiera Procesamiento de jerigonza europeo preciso.

---

Mira el Maniquí en la cara abrazada y Detalles técnicos aquí. No dude en ver nuestro Página de Github para tutoriales, códigos y cuadernos. Por otra parte, siéntete vacante de seguirnos Gorjeo Y no olvides unirte a nuestro Subreddit de 100k+ ml y suscribirse a Nuestro boletín.