Il 12 novembre 2026 Translated ha presentato Lara Mini, un nuovo modello di intelligenza artificiale sviluppato in Italia per l’elaborazione dei testi. Il sistema, addestrato simultaneamente su 45 lingue, ha conquistato il primo posto mondiale tra i modelli compatti della sua categoria, superando soluzioni realizzate da Google, Meta e Alibaba.
Il progetto nasce a Roma e mette in discussione uno dei principi più diffusi nello sviluppo dell’IA: la convinzione che concentrare l’addestramento sull’inglese sia il modo più efficace per ottenere prestazioni elevate. Secondo Translated, la pluralità linguistica e culturale non rappresenta un limite, ma una risorsa per costruire modelli più completi.
Un modello di IA addestrato su 45 lingue
Lara Mini è stato istruito fin dall’inizio su circa 6.000 miliardi di token, le unità di testo utilizzate dai sistemi di intelligenza artificiale per analizzare e generare contenuti. I dati sono distribuiti tra 45 lingue e culture differenti, comprese tutte le 24 lingue ufficiali dell’Unione europea.
La scelta si discosta dall’impostazione adottata da gran parte dei grandi modelli linguistici, spesso costruiti utilizzando una quantità preponderante di materiali in inglese. L’approccio di Translated punta invece a mantenere un equilibrio tra gli idiomi già nella fase di addestramento, così da evitare che le lingue meno rappresentate vengano trattate come una semplice estensione del modello inglese.
Le verifiche sperimentali condotte dall’azienda hanno confrontato due scenari: uno basato sui dati multilingue e uno ottenuto sostituendo parte di questi contenuti con un volume maggiore di testi in inglese. L’aumento dei dati anglofoni non ha prodotto benefici apprezzabili nelle prestazioni in inglese, mentre ha ridotto in modo significativo la capacità di comprendere le altre lingue.
Marco Trombetti, cofondatore e amministratore delegato di Translated, ha collegato il risultato alla diversità culturale. Prospettive differenti sulla realtà, secondo il manager, possono arricchire l’elaborazione dei modelli di IA invece di indebolirla.
Prestazioni elevate con 0,6 miliardi di parametri
Il modello dispone di 0,6 miliardi di parametri attivi, cioè le variabili interne che contribuiscono al funzionamento e all’apprendimento di una rete neurale. Nonostante le dimensioni contenute, Lara Mini ha ottenuto il punteggio più alto tra i modelli base open source con un massimo di 2 miliardi di parametri attivi inclusi nei test comparativi internazionali.
Il risultato assume rilievo perché il sistema di Translated ha superato modelli addestrati su quantità di dati fino a sei volte superiori. La società attribuisce parte di questo vantaggio al patrimonio accumulato in oltre 20 anni di attività nel settore della traduzione.
I dati linguistici raccolti attraverso il lavoro dell’azienda hanno fornito una base specifica per l’addestramento. In questo modo, Lara Mini non si limita a utilizzare grandi quantità di testo generico, ma beneficia di materiali legati a una delle applicazioni più complesse per i modelli linguistici: trasferire significato, contesto e sfumature da una lingua all’altra.
Il posizionamento del modello è quindi diverso da quello dei sistemi generalisti più noti nell’ecosistema dell’IA, come ChatGPT, Claude o Gemini. Lara Mini è stato progettato soprattutto come componente compatta e multilingue, con l’obiettivo di combinare qualità, efficienza e capacità di elaborazione in lingue diverse dall’inglese.
Il contributo del supercomputer Leonardo
La fase di ricerca e sviluppo è stata sostenuta dal Cineca, il consorzio interuniversitario che rappresenta il principale centro pubblico italiano per il calcolo ad alte prestazioni. Per il progetto sono state utilizzate le risorse di Leonardo, uno dei supercomputer più potenti al mondo.
L’impiego di questa infrastruttura ha consentito di affrontare l’addestramento di un modello basato su migliaia di miliardi di token, mantenendo al tempo stesso l’attenzione sull’efficienza della struttura finale. La riduzione delle dimensioni e dei consumi informatici è uno degli elementi centrali della strategia di Translated.
Il settore dei modelli linguistici è infatti dominato da sistemi sempre più grandi, il cui addestramento richiede ingenti risorse computazionali ed energetiche. L’azienda italiana intende verificare se un modello più compatto, costruito con dati multilingue di qualità, possa raggiungere prestazioni competitive con una frazione dei costi normalmente associati ai sistemi di frontiera.
Pesi e strumenti di valutazione disponibili alla ricerca
Translated ha scelto di rendere disponibili gratuitamente alla comunità scientifica i pesi di Lara Mini, il rapporto tecnico del progetto e un nuovo strumento per misurare le capacità di ragionamento multilingue. L’accesso è previsto per attività di ricerca e per utilizzi non commerciali.
Il sistema di valutazione copre 110 varianti linguistiche e amplia il perimetro dei test normalmente utilizzati per analizzare le prestazioni dei modelli. Non vengono quindi misurate soltanto la generazione o la comprensione in poche lingue principali, ma anche la capacità di gestire differenze linguistiche più ampie.
Lara Mini rappresenta il primo tassello di Lara 4, una nuova famiglia di modelli fondazionali destinata a sostenere la prossima generazione di Lara Translate, il servizio di traduzione automatica di Translated.
L’obiettivo dichiarato dall’azienda è capire se questo approccio possa competere con i sistemi di IA più avanzati, raggiungendo prestazioni di livello mondiale attraverso un impiego più contenuto di risorse informatiche ed energia.
Aggiungi MRW alle tue fonti preferite su Google!
