TII, Falcon-Emirati-7B 공개: UAE 방언 특화, Alyah 벤치마크 84.83%
TII가 2026년 10월 6일 공식 블로그에서 발표한 바에 따르면, Falcon-Emirati-7B는 Falcon-H1-Arabic을 기반으로 UAE 방언에 특화 적응한 모델로, 자체 구축한 Alyah 벤치마크에서 84.83%를 기록했고 LLM 심판의 방언 충실도 평가에서 여러 경쟁 모델을 크게 앞섰으며, 자사 채팅 플랫폼에서 시험 사용이 가능하다.
주요 변화
TII가 2026년 10월 6일 공식 블로그에서 발표한 바에 따르면, TII는 Falcon-H1-Arabic 위에 UAE 방언 특화 적응을 적용한 모델인 Falcon-Emirati-7B를 선보였다. 기반 패밀리는 Falcon-H1 하이브리드 아키텍처를 채택해 Mamba 상태 공간 계층과 Transformer 어텐션 계층이 각 모듈 안에서 병렬로 동작하고 투영 전에 융합되며, 패밀리는 3B, 7B, 34B 세 등급을 아우르고 컨텍스트 윈도는 최대 128K~256K 토큰이며, 학습 데이터 자체에 현대 표준 아랍어와 걸프, 레반트, 이집트, 마그레브 방언의 혼합이 이미 포함되어 있다. TII는 7B를 선택한 이유로 방언 적응에 필요한 섬세함과 학습·추론 비용 사이에서 가장 균형이 잡혀 있기 때문이라고 밝혔다. 데이터는 세 가지 출처로 구성된다. UAE 웹사이트와 포럼에서 원어로 작성된 방언 웹 텍스트, UAE 문화와 정체성에 관한 MSA 말뭉치, 그리고 어휘 목록과 문체 규칙으로 제약된 합성 방언 데이터다. 팀은 정해진 방언 적응 레시피가 없었기 때문에 데이터 배합비, 주입 단계, 합성 데이터 비율에 대해 소거 실험을 했고, 자동 채점과 원어민 검토를 함께 사용했다고 밝혔다. 평가에서 모델은 Alyah(네이티브 객관식 1,173문항)에서 84.83%를 기록했고, TII는 비교한 모든 아랍어 및 다국어 모델을 앞선다고 주장하며 Falcon-H1-Arabic 패밀리는 기반이므로 이 비교에서 제외했다. 또한 동일한 1,173문항의 개방형 생성에서 Gemini 3.7 Flash를 심판으로 사용했을 때, Falcon-Emirati-7B는 방언 충실도(부분 점수)에서 0.52를 얻어 ALLaM-7B의 0.05, gemma-3-27b-it의 0.03, Jais-2-8B-Chat의 0.02, Fanar-2-27B-Instruct의 거의 0.00보다 크게 높았으며, UAE 관련 ArabCulture-Dialogue 객관식에서는 85.57%를 기록했다. 모델은 TII의 채팅 플랫폼에서 시험 사용이 열려 있다.
개발자에게 미치는 영향
이번 발표가 개발자에게 주는 직접적 영향은 "범용 아랍어 모델이 방언 시나리오를 바로 감당할 수 있는가"라는 질문을 구체화했다는 점이다. TII의 평가에 따르면 여러 경쟁 모델은 답변 내용이 반드시 틀린 것은 아니지만 사용자가 UAE 방언으로 질문해도 기본적으로 MSA로 출력하는데, 이는 다국어 고객 지원, 현지화 마케팅, 커뮤니티 검수, 문화 관련 질의응답에서 범용 아랍어 모델의 실패가 "오답"이 아니라 "어역 부적합"인 경우가 많다는 점을 설명한다. 7B 규모와 하이브리드 아키텍처는 단일 GPU 또는 소규모 다중 GPU 배포가 이론상 가능한 경로임을 의미하며, 사용자 대화를 로컬이나 사설 환경에서 처리해야 하고 데이터 외부 전송에 제약이 있는 팀에게 현실적 의의가 있다. 구분해야 할 점은 TII의 비교 결론이 자체 구축 벤치마크 Alyah와 자체 선정 경쟁 모델 집합에서 나온 것으로 제조사 평가 기준이라는 점이며, 기반 패밀리가 비교에서 제외되었다는 것은 이 84.83%를 Falcon-H1-Arabic의 과거 성적과 직접 가로로 정렬하기 어렵다는 뜻이다. 방언 능력이 레반트, 이집트 등 다른 아랍어 방언으로 전이되는지는 출처가 근거를 제시하지 않았으므로 가정해서는 안 된다. 문화 적응 평가 역시 자체 설정된 UAE 283개 장면에서만 수행되었다.
연동 및 평가 제안
제안 1(데이터와 어역 제약): 이번에 보고된 명확한 변화는 학습 데이터가 원어 방언 웹, 문화 관련 MSA 말뭉치, 어휘 목록으로 제약된 합성 데이터 세 가지 혼합으로 구성되고 합성 부분이 어휘 목록과 문체 규칙으로 제한된다는 점이다. 애플리케이션이 "답변은 반드시 UAE 방언으로 작성"이라는 강제 요건을 가진다면, 먼저 자체 업무 말뭉치에서 표본을 뽑아 방언으로 질문하는 개방형 생성 테스트 세트를 만들고, 평가를 "내용 정확"과 "방언으로 답했는가" 두 개의 독립 차원으로 나누는 방법이 있다. 전제는 원어민을 쓸 수 있거나 수동 검토 비용을 감당할 수 있다는 것이며, 그렇지 않으면 자동 채점에만 의존해 어조와 적절성을 포착하지 못한다. 측정 가능한 판정 기준은 단일 정확도가 아니라 자체 표본에서의 방언 충실도 통과율과 MSA로 전환되는 비율이다. 제안 2(규모와 배포 비용): 이번의 명확한 변화는 TII가 7B 한 등급만 만들고 이유를 공개 설명했으며 34B 방언 버전은 발표하지 않았다는 점이다. 시나리오가 높은 동시성, 낮은 지연의 대화 서비스라면 먼저 7B에서 수용 가능한 자연도에 도달하는지 검증하고, 시나리오가 시, 속담, 유산 지식 등 콘텐츠 생성이라면 출처가 이 범주야말로 경쟁 모델이 가장 약하지만 모델 자체도 저자원 표본의 영향을 받을 수 있다고 지적했으므로 더 큰 기반으로 전환해 적응할 가치가 있는지 평가해야 하는데, 34B 경로는 이번 발표에서 제공되지 않았다. 전제는 추론 예산과 지연 예산이 정량화 가능하다는 것이다. 측정 가능한 판정 기준은 고정 QPS에서 요청 천 건당 지연과 비용, 그리고 난점 범주에서의 원어민 통과율이다. 제안 3(평가 비교 가능성): 이번의 명확한 변화는 TII가 자체 구축 Alyah 벤치마크를 채택하고 기반 패밀리를 비교에서 제외했다는 점이다. 기존 아랍어 평가 파이프라인이 있다면 자체 벤치마크를 주 기준으로 유지하고 Alyah는 대체가 아닌 참고로 삼으며 경쟁 모델 버전과 심판 모델 버전을 기록하는 방법이 있다. 전제는 문제를 재현하거나 최소한 표본 집합을 고정할 수 있다는 것이다. 측정 가능한 판정 기준은 자체 벤치마크와 Alyah에서 결론이 일치하는지, 그리고 심판 모델을 바꾼 뒤에도 순위가 안정적인지다.
제한과 확인할 사항
분명히 해야 할 점: Falcon-Emirati-7B는 현재 KimiSeek의 실시간 모델 카탈로그에 없으며, 본문에서 말한 사용 가능성은 TII 자사 채팅 플랫폼만을 가리키고 이 사이트에 해당 모델이 이미 출시되었다는 뜻이 아니다. 출처의 84.83%, 방언 충실도 0.52, ArabCulture-Dialogue 85.57% 등의 수치는 모두 TII가 자체 구축하거나 자체 선정한 평가(Alyah, LLM 심판은 Gemini 3.7 Flash, 경쟁 모델은 TII가 선택)에서 나온 제조사 기준이며 제3자 독립 재현이 없고, 기반 패밀리가 비교에서 제외되어 Falcon-H1-Arabic과의 직접 대조가 제한된다. TII 스스로도 책임과 한계 부분에서 모델이 학습 데이터의 편향을 반영할 수 있고, 희귀 표현, 고도로 현지화된 인용, 데이터가 희소한 경계 사례에서 오류가 날 수 있으며, 방언과 문화적 적절성이 일부 장면에서는 주관적이어서 원어민 사이에서도 일치하지 않을 수 있으므로 민감하거나 공식적이거나 고위험 용도 전에 구체적 장면에 대한 평가를 권고한다고 밝혔다. 출처는 가중치 라이선스 조항, 파라미터 활성화 방식, 추론 메모리와 처리량, API 가격과 상업적 조건을 공개하지 않았고 다른 아랍어 방언으로의 전이 근거도 제시하지 않았으며, 이런 것들은 "시험 사용 개방"만으로 자동으로 성립하지 않는다. 본문의 의사결정 제안은 조건부 분석이며 출처가 보고한 결론이 아니다.
원문 보도의 이미지
