Technology Innovation Institute (TII) lanzó Falcon-Emirati-7B, un modelo de lenguaje árabe de 7.000 millones de parámetros construido sobre su familia Falcon-H1-Arabic y adaptado específicamente al dialecto emiratí del Golfo, incluyendo su vocabulario, modismos y referencias culturales, en lugar del árabe estándar moderno (MSA).
TII entrenó el modelo con texto auténtico de web y foros emiratíes, material en MSA sobre cultura y patrimonio emiratí, y datos dialectales sintéticos restringidos por glosarios construidos para la gramática y el vocabulario emiratí.
En Alyah, un benchmark nativo de 1.173 preguntas para medir la capacidad en dialecto emiratí, Falcon-Emirati-7B obtiene 84,83%, por delante de todos los demás modelos árabes y multilingües que TII evaluó, incluyendo modelos más grandes. Una evaluación separada de respuesta abierta, juzgada por Gemini 3.7 Flash, midió si los modelos realmente responden en dialecto emiratí en lugar de recurrir por defecto al MSA: Falcon-Emirati-7B obtuvo 0,52 en fidelidad dialectal, frente a 0,05 de ALLaM-7B-Instruct-preview, 0,03 de gemma-3-27b-it, 0,02 de Jais-2-8B-Chat y prácticamente 0,00 de Fanar-2-27B-Instruct. La brecha se mantuvo en casi todas las categorías temáticas, con la excepción de los saludos básicos, donde el dialecto y el MSA más se solapan.
En la parte correspondiente a los EAU del benchmark ArabCulture-Dialogue, que evalúa respuestas culturalmente apropiadas, Falcon-Emirati-7B obtuvo 85,57%, por delante de ALLaM-7B (83,39%), Jais-2-8B (73,79%) y Fanar-2-27B (71,50%).
TII señala que el modelo aún puede reflejar sesgos de los datos de entrenamiento y cometer errores con expresiones poco frecuentes o referencias muy localizadas, y recomienda evaluarlo para casos de uso específicos antes de confiar en él para contenido sensible u oficial. El modelo ya está disponible en la plataforma de chat de TII.