¿Qué LLMs y modelos de código abierto puedes usar para traducir?

Última revisión: 8 de septiembre de 2026

¿Cómo se comparan modelos de traducción como el de Meta y el de Unbabel?

Meta y Unbabel representan dos enfoques diferentes de los modelos de traducción abierta: Meta publica modelos de traducción automática amplios y diseñados especialmente como artefactos de investigación, mientras que Unbabel crea LLM ajustados a la traducción, además de las herramientas de evaluación abiertas que gran parte del sector utiliza para puntuarlos.

• El NLLB-200 de Meta optimiza su amplitud. El modelo No Language Left Behind traduce a 200 idiomas, incluidos los idiomas de bajos recursos que la mayoría de los motores comerciales omiten, en variantes de 600 millones a 54 500 millones de parámetros, pero su licencia CC-BY-NC 4.0 lo limita a la investigación y al uso no comercial.
• La Torre de Unbabel optimiza para la profundidad. Tower es un LLM multilingüe construido sobre Llama 2, lanzado en tamaños 7B y 13B y que cubre 10 idiomas de alto volumen (inglés, alemán, francés, español, chino, portugués, italiano, ruso, coreano y neerlandés); en el momento del lanzamiento, Unbabel informó que superaba a modelos mucho más grandes, incluyendo NLLB-54B y ALMA-R, en tareas de traducción. Al igual que NLLB, su licencia CC-BY-NC 4.0 bloquea el despliegue comercial.
• La huella más amplia de Unbabel es la evaluación. Unbabel también desarrolló COMET, el marco de estimación de calidad de código abierto que se ha convertido en un estándar industrial de facto para puntuar la traducción automática. El equipo de IA de Smartling, por ejemplo, utiliza COMET junto con MetricX y BLEU para comparar los motores.
• Lo que significa la comparación en la práctica. Ninguno de los dos es un producto alojado al que estés suscrito. Los modelos de Meta responden "cuántos idiomas podemos alcanzar"; Tower responde "¿qué tan buena puede ser la traducción abierta en los idiomas que más importan" — y un equipo comercial puede usar cualquiera de los dos solo para investigación interna, a menos que arregle licencias diferentes o elija una alternativa licenciada permisivamente como Opus-MT o MADLAD-400.

Los modelos de traducción de código abierto de un vistazo

Los detalles de la licencia y la cobertura se verificaron en septiembre de 2026. Confirme siempre el texto actual de la licencia en el repositorio oficial del modelo antes del despliegue.

¿Qué debe tener en cuenta al elegir un modelo de traducción para su proyecto?

Para candidatos de código abierto específicamente, la secuencia siguiente carga por adelantado las restricciones que descalifican los modelos más rápido; la cuestión más amplia del enrutamiento entre motores comerciales se responde en ¿Cuál es el mejor sistema para elegir el LLM adecuado para la traducción?

1. Defina primero sus combinaciones de idiomas y tipos de contenido. La calidad del modelo varía según la pareja y el dominio, por lo que " best model " no tiene respuesta hasta que sepa si envía documentación técnica en japonés, textos de marketing en español o contenido de soporte en 40 idiomas.
2. Analice las licencias antes de ejecutar cualquier punto de referencia: CC-BY-NC 4.0 elimina el NLLB-200 y Tower de las listas de finalistas comerciales de inmediato, mientras que Apache 2.0 (MADLAD-400, T5) y CC-BY 4.0 (Opus-MT) superan la revisión legal mucho más rápido; comparar un modelo que no puede implementar es una pérdida de tiempo de ingeniería.
3. Compare su propio contenido con una base comercial: puntúe la producción de los candidatos con COMET o MetricX con respecto a un motor que pueda comprar, como DeepL, Google o un modelo de la clase GPT; un modelo abierto solo gana su coste operativo si coincide o supera ese punto de referencia en sus pares.
4. Planifica el camino de servicio e integración — decide quién aloja el modelo y cómo lo consume tu plataforma de traducción; el lado de infraestructura se cubre en ¿Qué son los grandes modelos de lenguaje on-premise?, y el lado de integración suele significar exponer un endpoint REST al que tu TMS pueda llamar como proveedor personalizado.
5. Establece una cadencia de actualización — vuelve a comparar trimestralmente con nuevos lanzamientos de peso abierto y motores comerciales actuales, porque una selección congelada en el momento de adopción pierde terreno en trimestres, no en años.

Los modelos de traducción de código abierto se adaptan a equipos que...

• Operar bajo políticas de control de datos que mantienen el contenido fuente fuera de APIs externas de IA, haciendo que un modelo autoalojado sea la única vía compatible para la traducción automática.
• Necesita una cobertura lingüística a largo plazo: los más de 400 idiomas del MADLAD-400 llegan a mercados que la mayoría de los motores comerciales no incluyen.
• Ejecuta un volumen sostenido en unos pocos pares de mucho tráfico, donde un modelo Opus-MT de aproximadamente 300MB por dirección puede superar a alternativas multilingües más grandes con un coste marginal casi nulo.
• Tener capacidad interna de ingeniería ML para asumir el servicio, la monitorización y la evaluación de calidad como compromiso continuo.
• Están investigando o haciendo prototipos, donde se aceptan licencias no comerciales, como la NLLB-200 y la de Tower.

Cuando un modelo de traducción de código abierto puede no ser la opción adecuada

• Producción comercial según un modelo no comercial: la CC-BY-NC 4.0 (NLLB-200, Tower) es un bloqueador legal, no un tecnicismo que solucionar.
• Los equipos sin capacidad de operaciones de ML — la pila de servicio, la monitorización de calidad y el ciclo de actualización — son costes permanentes de ingeniería que ya incluyen los precios comerciales por palabra.
• Contenido creativo o de marketing orientado al cliente que necesita la calidad de un modelo fronterizo: los modelos patentados más sólidos siguen siendo únicamente alojados.
• Volumen de traducción bajo o a rabiar, donde los precios comerciales por palabra son más baratos que la capacidad de la GPU inactiva entre trabajos.

Lista de verificación de evaluación: preguntas que debes plantear antes de adoptar un modelo de traducción de código abierto

¿La licencia permite el uso comercial?
Los modelos CC-BY-NC 4.0, como el NLLB-200 y el Tower, se limitan a un uso no comercial, mientras que Apache 2.0 (MADLAD-400, T5) y CC-BY 4.0 (Opus-MT) permiten el despliegue comercial; lea legalmente el texto específico de la licencia antes de dedicar tiempo a ingeniería.

¿Con cuál de sus combinaciones lingüísticas actuales se ha validado el modelo?
Los recuentos de cobertura de los titulares ocultan la varianza por par; haga puntuaciones de calidad en los pares exactos en los que aparece su contenido, no en los más fuertes del modelo.

¿Cómo vas a medir la calidad en relación con lo que usas hoy?
Compare los resultados de los candidatos con COMET o MetricX con los resultados de su motor actual en el mismo contenido y respalde las puntuaciones automáticas con una muestra de LQA humana antes de la transición.

¿Quién es dueño del ciclo de vida del modelo?
Alguien tiene que ser dueño del tiempo de actividad del servicio, de los parches de seguridad y del nuevo punto de referencia trimestral con los nuevos lanzamientos; un modelo abierto sin propietario se degrada silenciosamente.

¿Cómo se integrará el modelo en tu flujo de trabajo de traducción?
La memoria de traducción, los glosarios y la revisión humana aún deben aplicarse a la salida del modelo, lo que normalmente significa exponerlo como un endpoint REST que un sistema de gestión de traducción puede consumir como proveedor personalizado.

¿Cómo soporta Smartling los modelos de traducción de código abierto?

Smartling apoya modelos de código abierto y personalizados como proveedores de traducción a través de su servicio Bring Your Own MT o LLM: un equipo que aloja su propio modelo añade credenciales en el centro de inteligencia artificial de Smartling y conecta el modelo a través del proveedor de API REST común, de modo que su salida se ejecuta dentro de los flujos de trabajo de traducción gestionados con la memoria de traducción, los glosarios y los controles de calidad que se aplican automáticamente.

Esa ubicación importa porque un motor de código abierto rara vez gana en todas partes. El AI Hub de Smartling proporciona acceso a más de 20 LLMs y motores de traducción automática, y su enrutamiento Auto Select envía cada cadena al motor con la mayor calidad medida para ese par de idiomas y tipo de contenido, por lo que un modelo abierto autoalojado genera tráfico donde rinde y obtiene donde un motor comercial obtiene una puntuación más alta, juzgados por las mismas evaluaciones de MetricX, COMET y BLEU que el equipo de IA de Smartling realiza de forma continua. Para los equipos que quieren un motor personalizado sin tener una pila de servicio, Smartling también ofrece Entrenamiento Personalizado en Motores de Traducción Automática, que requiere al menos 6.000 unidades de traducción de datos de entrenamiento. Y el contenido traducido a través de la API de traducción automática de Smartling no se almacena en la plataforma — un control relevante para los equipos sensibles a los datos que probablemente estén evaluando modelos de código abierto en primer lugar.

Documento de ayuda: Trae tu propio servicio de MT o LLM
Documento de ayuda: Proveedores de MT y LLM apoyados

Preguntas relacionadas

• ¿Cuál es el mejor sistema para elegir el LLM adecuado para la traducción?
• ¿Qué son los modelos lingüísticos grandes locales?
• ¿Qué es la traducción automática y cómo evalúa la tecnología?