TII veröffentlicht Falcon-Emirati-7B: gezielte Anpassung an den Emirati-Dialekt, 84,83 % auf der Alyah-Benchmark
Laut einem am 6. Oktober 2026 veröffentlichten offiziellen Blogbeitrag von TII wurde Falcon-Emirati-7B auf Basis von Falcon-H1-Arabic gezielt an den Emirati-Dialekt angepasst, erreicht 84,83 % auf der selbst erstellten Alyah-Benchmark und führt in der Bewertung der Dialekttreue durch ein LLM als Richter deutlich vor mehreren Wettbewerbern; das Modell ist auf der Chat-Plattform von TII zum Ausprobieren verfügbar.
Was sich geändert hat
Laut einem am 6. Oktober 2026 veröffentlichten offiziellen Blogbeitrag von TII stellt TII Falcon-Emirati-7B vor, ein Modell, das auf Falcon-H1-Arabic aufbaut und gezielt an den Emirati-Dialekt angepasst wurde. Die Basisfamilie verwendet die Falcon-H1-Hybridarchitektur, in der Mamba-State-Space-Schichten und Transformer-Attention innerhalb jedes Moduls parallel laufen und vor der Projektion fusioniert werden; die Familie umfasst die Größen 3B, 7B und 34B, das Kontextfenster reicht je nach Variante bis zu 128K bis 256K Token, und die Trainingsdaten selbst enthalten bereits eine Mischung aus modernem Standardarabisch sowie Golf-, Levante-, ägyptischen und maghrebinischen Dialekten. TII gibt an, 7B gewählt zu haben, weil es die beste Balance zwischen der für die Dialektanpassung nötigen Feinheit und den Trainings- sowie Inferenzkosten biete. Auf der Datenseite gibt es drei Quellen: originär im Emirati-Dialekt verfasste Webtexte von emiratischen Websites und Foren, MSA-Korpora zu emiratischer Kultur und Identität sowie synthetische Dialektdaten, die durch Vokabularlisten und Stilregeln eingeschränkt werden; das Team erklärt, es gebe kein etabliertes Rezept für Dialektanpassung, weshalb Ablationsstudien zu Datenmischung, Injektionsphase und Anteil synthetischer Daten durchgeführt und sowohl automatische Bewertung als auch Prüfung durch Muttersprachler eingesetzt wurden. Bei der Evaluierung erzielt das Modell auf Alyah (1.173 originärsprachige Multiple-Choice-Fragen) 84,83 %; TII zufolge liegt es damit vor allen arabischen und mehrsprachigen Modellen, mit denen es verglichen wurde, wobei die Falcon-H1-Arabic-Familie als Basis vom Vergleich ausgeschlossen wurde. Darüber hinaus erreicht Falcon-Emirati-7B in derselben offenen Generierungsaufgabe mit 1.173 Fragen mit Gemini 3.7 Flash als Richter bei der Dialekttreue (Teilpunkte) 0,52 und liegt damit deutlich über ALLaM-7B mit 0,05, gemma-3-27b-it mit 0,03, Jais-2-8B-Chat mit 0,02 und Fanar-2-27B-Instruct mit nahe 0,00; im UAE-Teil der ArabCulture-Dialogue-Multiple-Choice-Fragen erreicht es 85,57 %. Das Modell ist auf der Chat-Plattform von TII zum Ausprobieren freigeschaltet.
Auswirkungen für Entwickler
Die unmittelbare Auswirkung dieser Veröffentlichung für Entwickler besteht darin, dass sie die Frage konkretisiert, ob ein allgemeines arabisches Modell direkt Dialektszenarien übernehmen kann. Die Evaluierung von TII zeigt, dass mehrere Wettbewerber inhaltlich nicht unbedingt falsch antworten, aber standardmäßig MSA ausgeben, selbst wenn Nutzer im Emirati-Dialekt fragen; das erklärt, warum bei mehrsprachigem Kundenservice, lokalisierungsbezogenem Marketing, Community-Moderation oder kulturbezogenen Frage-Antwort-Szenarien das Scheitern allgemeiner arabischer Modelle oft nicht im falschen Inhalt, sondern im falschen Register liegt. Die 7B-Größe und die Hybridarchitektur bedeuten, dass eine Bereitstellung auf einer einzelnen GPU oder auf wenigen GPUs theoretisch ein gangbarer Weg ist, was für Teams praktische Relevanz hat, die Nutzerdialoge lokal oder in einer privaten Umgebung verarbeiten müssen und deren Datenweitergabe eingeschränkt ist. Zu unterscheiden ist: Die Vergleichsschlüsse von TII stammen aus der selbst erstellten Benchmark Alyah und einem selbst gewählten Wettbewerberset und sind damit eine Herstellerperspektive; dass die Basisfamilie vom Vergleich ausgeschlossen wurde, bedeutet auch, dass die 84,83 % nicht ohne Weiteres mit historischen Ergebnissen von Falcon-H1-Arabic gleichgesetzt werden sollten. Ob die Dialektfähigkeit auf andere arabische Dialekte wie Levante oder Ägyptisch übertragbar ist, dafür liefert die Quelle keine Belege und sollte nicht angenommen werden. Auch die Kultur-Anpassungsbewertung wurde nur auf den selbst definierten 283 UAE-Szenarien durchgeführt.
Integration und Bewertung
Empfehlung eins (Daten- und Registerbeschränkungen): Die klar berichtete Veränderung ist, dass die Trainingsdaten aus einer Mischung dreier Quellen bestehen – originär dialektale Webtexte, kulturelle MSA-Korpora und durch Vokabularlisten eingeschränkte synthetische Daten –, wobei der synthetische Teil durch Vokabularlisten und Stilregeln begrenzt wird. Wenn Ihre Anwendung die harte Anforderung hat, dass Antworten im Emirati-Dialekt verfasst sein müssen, besteht das Vorgehen darin, zunächst eine Stichprobe aus Ihrem eigenen Geschäftskorpus zu ziehen, ein offenes Generierungstestset mit dialektalen Fragen zu erstellen und die Bewertung in zwei unabhängige Dimensionen zu trennen: inhaltliche Korrektheit und ob im Dialekt geantwortet wird. Voraussetzung ist, dass Muttersprachler verfügbar oder bezahlbare menschliche Prüfungen möglich sind; andernfalls können Sie sich nur auf automatische Bewertung stützen und Ton sowie Angemessenheit nicht erfassen. Das messbare Kriterium ist die Durchlassquote der Dialekttreue auf Ihren eigenen Stichproben sowie der Anteil der Wechsel zu MSA – nicht eine einzelne Genauigkeitszahl. Empfehlung zwei (Größe und Bereitstellungskosten): Die klar berichtete Veränderung ist, dass TII nur die 7B-Variante umgesetzt und die Gründe offengelegt hat, während keine 34B-Dialektversion veröffentlicht wurde. Wenn Ihr Szenario ein dialogorientierter Dienst mit hoher Nebenläufigkeit und niedriger Latenz ist, sollten Sie zuerst auf 7B prüfen, ob eine akzeptable Natürlichkeit erreichbar ist; wenn es um Inhaltsgenerierung wie Poesie, Sprichwörter oder Wissen über das kulturelle Erbe geht – die Quelle weist darauf hin, dass genau diese Kategorien die schwächsten der Wettbewerber sind, das Modell selbst aber durch ressourcenarme Beispiele beeinträchtigt sein kann –, müssen Sie bewerten, ob ein größeres Basismodell mit anschließender Anpassung sinnvoll ist, da der 34B-Weg in dieser Veröffentlichung nicht angeboten wird. Voraussetzung ist, dass Ihr Inferenz- und Latenzbudget quantifizierbar ist. Das messbare Kriterium sind Latenz und Kosten pro tausend Anfragen bei festgelegter QPS sowie die Durchlassquote von Muttersprachlern bei den schwierigen Kategorien. Empfehlung drei (Vergleichbarkeit der Evaluierung): Die klar berichtete Veränderung ist, dass TII eine selbst erstellte Alyah-Benchmark verwendet und die Basisfamilie vom Vergleich ausschließt. Wenn Sie bereits einen bestehenden arabischen Evaluierungsprozess haben, sollten Sie Ihre eigene Benchmark als Hauptmaßstab behalten, Alyah als Referenz und nicht als Ersatz nutzen und die Versionen der Wettbewerber sowie des Richtermodells dokumentieren. Voraussetzung ist, dass Sie die Aufgaben reproduzieren oder zumindest das Probenset fixieren können. Das messbare Kriterium ist, ob die Schlussfolgerungen auf Ihrer eigenen Benchmark und auf Alyah übereinstimmen und ob die Rangfolge bei Wechsel des Richtermodells stabil bleibt.
Grenzen und offene Fragen
Klarzustellen ist: Falcon-Emirati-7B erscheint derzeit nicht im Echtzeit-Modellkatalog von KimiSeek; die in diesem Artikel genannte Verfügbarkeit bezieht sich nur auf die eigene Chat-Plattform von TII und bedeutet nicht, dass diese Website das Modell bereits bereitstellt. Die Zahlen aus der Quelle – 84,83 %, Dialekttreue 0,52, ArabCulture-Dialogue 85,57 % – stammen sämtlich aus von TII selbst erstellten oder selbst gewählten Evaluierungen (Alyah, LLM-Richter Gemini 3.7 Flash, Wettbewerber von TII ausgewählt) und sind Herstellerangaben, die nicht unabhängig von Dritten reproduziert wurden; dass die Basisfamilie vom Vergleich ausgeschlossen wurde, begrenzt den direkten Abgleich mit Falcon-H1-Arabic. TII weist selbst im Abschnitt zu Verantwortung und Grenzen darauf hin, dass das Modell Verzerrungen aus den Trainingsdaten widerspiegelt, bei seltenen Ausdrücken, stark lokalisierten Zitaten und datenarmen Randfällen Fehler machen kann, dass Dialekt- und kulturelle Angemessenheit in manchen Szenarien subjektiv ist und selbst unter Muttersprachlern nicht einheitlich ausfällt, und empfiehlt, vor sensiblen, offiziellen oder risikoreichen Anwendungen szenariospezifische Evaluierungen durchzuführen. Die Quelle legt keine Lizenzbedingungen für die Gewichte, keine Angaben zur Parameteraktivierung, zum Inferenzspeicher und Durchsatz, keine API-Preise und kommerziellen Bedingungen offen und liefert auch keine Belege für die Übertragbarkeit auf andere arabische Dialekte; all dies wird nicht allein dadurch gültig, dass das Modell „zum Ausprobieren offen“ ist. Die Entscheidungsempfehlungen in diesem Artikel sind bedingte Analysen und nicht die von der Quelle berichteten Schlussfolgerungen.
Abbildungen aus dem Originalbericht
