大模型竞赛长期强调参数规模和通用能力，但翻译、客服和文档处理往往是范围明确、重复度高的任务。Arabic.AI最新技术报告显示，小模型正在把AI部署从云端机房推向低功耗设备。

10月17日，Arabic.AI发布两款翻译模型的测试结果：5B参数的LLM-T侧重阿拉伯语质量、方言和行业术语，1B参数的LLM-N则强调多语言覆盖、吞吐量和边缘部署。报告提出的核心观点是，企业不一定需要为所有任务使用最大模型，而应根据质量、速度、成本和数据控制选择合适规模。

1B模型覆盖46种语言

LLM-N支持英语与另外45种语言之间的翻译。根据官方在FLORES-200 devtest上的测试，其从英语翻译到其他语言的宏平均COMET得分为88.58，翻译成英语的宏平均得分为88.01。该指标由模型开发方披露，适合观察同一测试条件下的趋势，不应直接等同于真实业务中的人工满意度。

在一台工作站上，LLM-N完成了91080个句子的翻译，用时1058秒，平均约每秒86.1句。报告同时指出，该速度来自特定硬件和批处理设置，不宜与低功耗设备结果做直接横向比较。

10瓦设备达到约每秒15个Token

在功耗限制为10瓦的设备上，LLM-N以全精度运行时约为每秒15个Token。在开发方选取的样本句中，设备端质量与工作站端相差不到0.1 COMET。不过，这只是样本对比，并不是对全部1012句测试集平均值的完整复测。

这一结果更适合说明边缘运行的可行性，而不是证明小设备在所有情况下与工作站完全一致。真实部署还会受到芯片、内存、量化方式、输入长度和并发量影响。企业在采购前应使用自己的语言对、行业术语和敏感文本进行测试。

5B模型强化阿拉伯语与行业场景

另一款LLM-T支持12种高精度语言，并针对沙特、埃及、阿联酋和卡塔尔阿拉伯语方言进行优化，还覆盖法律、金融、医疗、体育、旅游和商业等领域，支持自定义术语表。官方报告显示，其在FLORES阿拉伯语到英语方向获得94.0 COMET，英语到阿拉伯语为91.0；在WMT24++的八个英语翻译方向中，阿拉伯语目标得分为93.80。

Arabic.AI也明确列出局限：两款模型使用了不同测试设置，差距只能作为参考；LLM-T尚未公布每种方言和40多种扩展语言的完整成绩；设备端与工作站端的速度也不是受控的同硬件对照实验。

编辑观察：专用小模型适合成为AI工作流的“基层员工”

对于政府、金融和医疗机构，翻译数据可能无法离开本地环境。能够在私有云、本地服务器或离线设备运行的小模型，有助于减少网络依赖，并让数据位置、访问权限和结果责任留在组织内部。

更现实的架构不是“小模型取代大模型”，而是分工协作：高频、标准化任务交给专用小模型，开放推理和复杂异常再交给更强模型。这样既能控制成本和能耗，也能把敏感数据暴露范围限制在必要环节。最终选择应由真实任务成功率、人工复核量、时延和总拥有成本共同决定，而不是只看参数数量。

配图为AIcent原创AI生成实景风格示意图，非官方新闻现场照片，不使用第三方新闻图片。

参考来源：Arabic.AI官方技术说明（2026年10月17日）。正文为基于官方消息的中文整理，编辑观察与事实披露分开呈现。