La mezcla es la idea central de LingoBlend: pega cualquier texto en tu idioma, y un porcentaje elegido de sus palabras vuelve en el idioma que estás aprendiendo, entretejido en frases que ya entiendes —el método diglot weave con una IA haciendo el tejido. Durante dos años, una sola llamada a la IA lo hacía todo: leía tu texto, decidía qué palabras traducir, las traducía y reescribía el pasaje entero. Funcionaba, pero agrupaba en un solo paso tres tareas muy distintas, y cada una merecía un especialista mejor.
El problema de dejar que un solo paso de IA lo haga todo#
Cuando la salida de un único modelo tiene que llevar todo el texto mezclado, compiten tres cosas en silencio:
La selección es una cuestión de política, no de idioma. Qué palabras deberían mezclarse depende de cosas que la IA no puede saber solo a partir del texto: qué palabras ya dominas, cuáles tocan repasar, cuán uniformemente debería repartirse la mezcla por la página. Un modelo de lenguaje adivina; a un selector que controlamos simplemente se le puede indicar.
Reescribir el texto entero abre la puerta a errores en todo el texto. Si el modelo escribe de nuevo cada palabra de tu documento, cada palabra es una oportunidad de error: una frase que se pierde, una expresión duplicada, una traducción pegada en el lugar equivocado. Nuestro antiguo pipeline arrastraba toda una cadena de etapas de reparación que existían sobre todo para arreglar daños que esta arquitectura hacía posibles.
El criterio se diluye. La verdadera habilidad lingüística del modelo —saber que «gave up» es una sola unidad de significado, que «I would love» debe convertirse en me encantaría reestructurando el pronombre— se gastaba en tareas administrativas que nunca debió asumir.
La nueva división del trabajo#
Blend Engine v2 divide la tarea por su costura natural:
| Tarea | Motor anterior | Motor nuevo |
|---|---|---|
| Elegir qué palabras mezclar | IA, en el mismo paso | Selector propio de LingoBlend, informado por el grafo de vocabulario y tu dominio personal |
| Traducir en contexto | IA | IA, con el texto completo como contexto, sin cambios |
| Manejar modismos y expresiones fijas | Implícito, inconsistente | Explícito: la expresión completa, o nada |
| Ensamblar el texto final | La IA reescribe todo | Tu texto original queda intacto; solo cambian las palabras elegidas |
| Detectar errores | Reparaciones a posteriori | Verificado contra la fuente antes de mostrarlo |
Como la selección ahora es nuestra, sigue principios que de verdad podemos enunciar y poner a prueba: elegir vocabulario que de verdad vale la pena aprender, repartirlo por todo el texto en lugar de amontonarlo en el primer párrafo y, con la personalización, saltar lo que ya dominas. El trabajo de la IA se reduce a lo único en lo que de verdad destaca: traducir esas palabras correctamente en el contexto de tu texto completo.
Por qué una tarea más pequeña hizo a la IA más inteligente#
Aquí viene la parte contraintuitiva. Darle a la IA una tarea más estrecha hizo que su resultado fuera mejor, porque por fin pudimos ser explícitos sobre el criterio lingüístico que queremos de ella:
- Los modismos y expresiones fijas vuelven enteros. Si una palabra elegida está dentro de un modismo, un verbo frasal o una expresión fija, se traduce la expresión completa: «kicked» dentro de «kicked the bucket» vuelve como el modismo entero, y al tocarlo en el lector se guarda la forma de diccionario del modismo, que es lo que de verdad vale la pena aprender.
- Las traducciones naturales arrastran las palabras vecinas. Cuando la traducción correcta absorbe las palabras de alrededor, estas van con ella. «Write to me» se convierte en Escríbeme como una sola unidad, nunca en Escríbeme con un «to me» suelto detrás.
- Las palabras que no se traducen bien se dejan tal cual. Un nombre, un juego de palabras, una palabra cuya traducción aislada induciría a error: mejor sin traducir que mal traducida. Una palabra sin traducir no cuesta nada; una traducción incorrecta te enseña algo falso.
En la prueba que más nos importaba —93 frases trampa con modismos, verbos frasales y verbos separables en los 17 idiomas de origen— el nuevo motor expandió 65 de ellas en traducciones completas y correctas de la expresión, frente a 21 del motor anterior. Los pares entre idiomas distintos del inglés dieron algunos de los mejores resultados: el francés posé un lapin se tradujo al alemán como sitzen gelassen (dejar plantado a alguien), mientras que el motor anterior ofrecía Kaninchen: un conejo literal.
Verificado antes de que lo veas#
Como el texto final ya no lo escribe un modelo, podemos garantizar propiedades que el motor anterior solo podía esperar: cada carácter de tu texto original sobrevive, cada traducción cae exactamente donde estaba su palabra de origen, y toda una familia de errores sutiles —«traducciones» repetidas o en eco, gramática marcada por accidente dos veces entre los dos idiomas— se detecta antes de mostrarse. Si una palabra falla la verificación, simplemente se queda sin traducir: el fallo pasa inadvertido en lugar de ser embarazoso.
Hubo un beneficio extra que salió gratis: la velocidad. Como la IA ya no genera todo tu documento —solo las palabras traducidas—, las mezclas se completan en más o menos la mitad del tiempo, y los casos más lentos son los que más mejoran. La mezcla por la que antes esperabas ~6 segundos ahora llega en ~3.
Todo lo demás que ya conoces sigue igual: toca cualquier palabra mezclada para ver su contexto gramatical y guardar la forma base o la forma exacta con la que te encontraste, vuelve a mezclar cualquier texto con un porcentaje nuevo, y lee en el mismo lector paginado.