Tether Rilis Model AI Terjemahan Offline untuk 19 Bahasa Afrika, Tantang Dominasi Cloud
Baca dalam 60 detik
- Tether AI Research memperkenalkan QVAC TranslatePsy-AfriSLM dan EuroNano yang mampu menerjemahkan tanpa koneksi internet, menyimpan data di perangkat.
- Model AfriSLM mendukung 19 bahasa Afrika dengan 800 juta parameter, diklaim melampaui beberapa model besar dalam tolok ukur FLORES-200, BOUQuET, dan SMOL.
- Langkah ini berpotensi mengubah lanskap akses AI di wilayah minim konektivitas, termasuk Indonesia, dengan pendekatan hemat sumber daya dan privasi terjaga.
Tether AI Research meluncurkan sistem terjemahan yang beroperasi sepenuhnya luring, tanpa memerlukan koneksi jaringan. Rilis ini mencakup QVAC TranslatePsy-AfriSLM untuk 19 bahasa Afrika dan QVAC TranslatePsy-EuroNano untuk sembilan bahasa Eropa. Setiap model memproses terjemahan langsung di perangkat, menjaga data pribadi tetap lokal alih-alih mengirimkannya ke server awan.
AfriSLM mencakup bahasa Hausa, Amharic, Yoruba, Lingala, Swahili, Igbo, Zulu, Somali, Oromo, Malagasy, Kinyarwanda, Xhosa, dan Afrikaans, serta Wolof, Luganda, Nyanja, Shona, Tswana, dan Southern Sotho. Menurut Tether, ke-19 bahasa tersebut secara kolektif mewakili sekitar 50% populasi benua Afrika—angka yang menunjukkan jangkauan bahasa, bukan jumlah pengguna individu. Model ini memiliki 800 juta parameter, namun Tether mengklaim AfriSLM melampaui Qwen3.5-122B-A10B, TranslateGemma-27B, dan NLLB-3.3B dalam pengujian menggunakan FLORES-200, BOUQuET, dan SMOL. Meskipun demikian, performa tolok ukur tidak menjamin hasil identik dalam setiap situasi terjemahan praktis.
Keberhasilan tersebut sebagian diatribusikan pada sistem penyaringan data yang membuang hingga 96% materi yang dinilai tidak layak. Tether juga merilis versi lebih kecil dan lebih besar, termasuk konfigurasi 0,8B, 2B, dan 4B parameter untuk berbagai kebutuhan perangkat keras. Sementara itu, EuroNano menggunakan bahasa Inggris sebagai perantara dan menghubungkan bahasa-bahasa Eropa melalui 90 rute terjemahan yang mungkin. Paket ini hanya menempati 36MB, yang menurut Tether sekitar 94% lebih hemat penyimpanan dibandingkan pengaturan luring Firefox yang sebanding.
Fokus Tether pada Afrika juga terhubung dengan infrastruktur fisik yang telah dibangun di sebagian Afrika Sub-Sahara. Perusahaan telah memasang kios bertenaga surya yang menyediakan pengisian daya ponsel, penukaran baterai, dan akses ke layanan keuangan digital di komunitas. Lokasi-lokasi ini nantinya dapat menjadi jalur distribusi materi pendidikan, informasi pertanian, dan konten terjemahan lokal lainnya tanpa bergantung pada konektivitas berkelanjutan.
"Empat miliar orang ditinggalkan oleh sistem keuangan tradisional, dan teknologi paling kuat di zaman kita mengulangi kegagalan itu," kata Paolo Ardoino, CEO Tether. "Bahasa seharusnya tidak menentukan siapa yang bisa memanfaatkan kecerdasan buatan. Model terjemahan terbuka seperti ini adalah langkah menuju masa depan di mana pendidikan dan alat AI menjangkau ratusan juta orang yang tidak memiliki konektivitas andal atau akses ke sistem mahal."
Teknologi yang sama juga dapat beroperasi bersama QVAC MedPsy, model lebih kecil Tether yang ditujukan untuk aplikasi kesehatan di perangkat lokal. "Seorang ibu bisa mendapatkan informasi medis nyata yang dia pahami, bukan menebak-nebak. Seorang anak bisa belajar dalam bahasa mereka sendiri. Itulah masa depan yang kami bangun melalui QVAC," tambah Ardoino.
AfriSLM saat ini tersedia melalui Hugging Face, dan penelitian terkait telah diterima untuk dipresentasikan di EMNLP 2026. Langkah Tether ini menandai pergeseran penting dalam industri AI: dari ketergantungan pada cloud ke komputasi tepi yang inklusif. Bagi Indonesia, yang memiliki lebih dari 700 bahasa daerah dan tantangan konektivitas di wilayah terpencil, model seperti ini menawarkan peluang untuk menjembatani kesenjangan digital. Namun, pertanyaan besarnya: akankah perusahaan teknologi global melirik bahasa-bahasa Nusantara sebagai target berikutnya, ataukah inisiatif serupa akan datang dari dalam negeri?
