YADRO sustituye Smartcat por Weblate, Dify y Qwen y reduce seis veces el coste por palabra

Cuando la factura de un servicio de traducción crece junto con el volumen de documentación, tarde o temprano surge la idea: ¿y si lo montamos todo en casa? El equipo de documentación técnica de YADRO lo hizo. Smartcat cobraba por cada palabra cargada, incluso las ya traducidas, y tras convertirse en una «plataforma de IA» se encareció aún más. El equipo montó su propia localización y la llamó «Tolmach».

De qué se compone el sistema

La nueva herramienta debía cumplir tres requisitos: que todos los datos permanecieran en los servidores de la empresa, que se pudiera configurar con flexibilidad el trabajo con LLM y que hubiera interfaz web o arquitectura cliente-servidor. De los candidatos de código abierto llegaron a la final Zing y Weblate. Zing, creado por Evernote, quedó descartado: sus desarrolladores anunciaron que ya no lo mantienen y buscan un nuevo responsable; de lo contrario, cerrarán el proyecto. Weblate está vivo, con comunidad y soporte profesional de pago, con API e integración con sistemas de control de versiones.

El segundo componente es Serge. Toma los archivos fuente de Git, con ayuda de analizadores extrae las cadenas traducibles (DITA, configuraciones, código fuente) y las guarda en archivos PO, el estándar de la industria de la localización. Tras la traducción, el proceso va en sentido inverso: las cadenas terminadas se incorporan a los fuentes y vuelven al repositorio. Los desarrolladores siguen en Git y los traductores no tienen que lidiar con formatos.

Dónde aparece el LLM

Entre Weblate y el modelo está Dify, una plataforma para crear aplicaciones con LLM. El flujo es sencillo: texto, modelo, posprocesamiento, respuesta. Traduce el modelo de razonamiento Qwen3.6-35B-A3B en un clúster de inferencia propio. Cuando el editor abre la pestaña Automatic suggestion, Weblate envía la cadena a Dify y la respuesta llega en unos 0,63 segundos. La conexión se hizo mediante archivos de configuración de Docker. La carga de archivos PO en Weblate hubo que automatizarla con un script mediante la REST API, porque los comandos estándar no funcionaron.

Hay dos técnicas prácticas interesantes. Primera: un prompt largo con una decena de prohibiciones puede sustituirse por una salida estructurada. Los autores definieron un esquema JSON con un único campo, russian_translation, y el modelo dejó de escribir «claro, aquí tiene su traducción». El prompt del sistema se redujo a una sola frase. Segunda: todo lo que se pueda hacer con código, hágase con código. El modelo insiste en usar «ё», aunque en la documentación no se emplea, y combatirlo en el prompt empeoraba la calidad de la propia traducción. La solución son dos líneas de replace en el posprocesamiento.

Cuánto cuesta y dónde está la trampa

El cálculo se basa en una tarjeta gráfica de 5 millones de rublos, una vida útil de 5 años y una carga del 30–40 %. Un segmento de una palabra cuesta 0,40 ₽; uno de 250 palabras, unos 0,0048 ₽ por palabra. Smartcat cobra aproximadamente 2,5 ₽, es decir, una diferencia de unas seis veces en el peor caso para el modelo local. Pero el cálculo no incluye el servidor, la electricidad, los salarios de los ingenieros ni otros gastos operativos, así que el ahorro real es más modesto.

La calidad tampoco es perfecta. El modelo puede alucinar, incumplir la terminología y romper el formato. Al trabajar segmento a segmento, las traducciones no siempre son coherentes. Por eso la revisión final por un redactor técnico sigue siendo obligatoria.

Qué conclusiones sacar

Si tiene mucha documentación y no puede entregar los datos al exterior, la combinación de Git, Serge, Weblate y Dify parece un esquema viable. La salida estructurada en lugar de prompts largos y trasladar las reglas deterministas al código sirven también para cualquier otro flujo con LLM. Pero conviene tomar con cautela la cifra de «seis veces más barato»: calcule su coste total de propiedad, incluidas personas y operación. El autor promete en la segunda parte una guía completa de despliegue.