Mejor traductor IA: Olala de OVHcloud frente a DeepL
Foto: Philafrenzy / Wikimedia Commons, CC BY-SA 4.0, recortada

Mejor traductor IA: Olala de OVHcloud frente a DeepL

Probamos Olala Translate, el LLM de traducción de OVHcloud, frente a DeepL y gpt-oss-120b en 100 fragmentos de documentos: fidelidad, estilo, coste, velocidad.

IA
10 min de lectura

El 18 de noviembre de 2026, OVHcloud publicó en su servicio AI Endpoints Olala Translate, un LLM de traducción derivado de Olala mini, su primer modelo propio. Aparece a 0 € en el catálogo, tanto en entrada como en salida. OVH lo compara con modelos abiertos pequeños como Gemma o Qwen, pero no con DeepL, la referencia que hoy pagan las empresas. Así que hicimos la prueba: 100 fragmentos de documentos de empresa traducidos del inglés al francés por Olala Translate, por DeepL y por gpt-oss-120b, el modelo abierto de OpenAI usado como traductor.

El resultado deja en buen lugar a OVHcloud. Olala conserva el sentido con la misma fidelidad que DeepL: en fidelidad, nuestro juez automático no ve ninguna diferencia entre los tres métodos. DeepL mantiene la ventaja en estilo, con un francés más natural, y Olala, servido por los AI Endpoints de OVHcloud, es claramente más lento, aunque nada impide desplegarlo en una infraestructura más rápida. Sobre todo, hoy no cuesta nada, mientras que DeepL cobra más de 20 € por millón de caracteres.

Para una empresa, todo depende del uso. Traducir documentos de trabajo, para indexarlos, buscarlos o que los lea un asistente, exige ante todo no perder nada del sentido: Olala lo hace con eficacia, en Francia, gratis, desde hoy. Publicar un texto tal cual exige un francés cuidado: DeepL sigue por delante. Para traducir en masa a muy alta velocidad, sin preocupación por la soberanía, los proveedores de inferencia especializados como Cerebras siguen siendo interesantes.

¿Qué es Olala Translate, el LLM de traducción de OVHcloud?

Un LLM de traducción es un modelo de lenguaje entrenado para una sola tarea: recibir un texto, un idioma de origen y un idioma de destino, y devolver la traducción. No conversa ni ejecuta instrucciones. Es la tercera vía entre los servicios de traducción automática como DeepL y los grandes modelos generalistas, a los que se pide traducir mediante un prompt.

Olala Translate es un ajuste fino de Olala mini 7A1B, el modelo pequeño que OVH publicó el 19 de noviembre y que presentamos en detalle. Tiene 6.800 millones de parámetros, de los que solo unos mil millones trabajan para cada palabra producida, lo que lo hace ligero de ejecutar. Su ficha lo describe como especializado en documentos financieros y cubre 18 idiomas, desde las grandes lenguas europeas hasta el chino, el japonés y el árabe. Los pesos tienen licencia Apache 2.0: una empresa puede instalarlo en sus servidores, adaptarlo y usarlo comercialmente.

Dos opciones se salen de lo habitual. Se puede indicar un ámbito («Annual Report IFRS», «Prospectus KIIDs», «Regulatory»…) y aportar un glosario, una lista de términos impuestos para la traducción. No las usamos: nuestra prueba mide el modelo en su configuración más simple, con los dos idiomas como únicos parámetros.

En AI Endpoints, la API acepta 8.000 tokens de contexto, entrada y salida incluidas: un documento largo debe trocearse, algo que la propia ficha recomienda. El modelo se sirve desde un centro de datos en Francia, como el resto del catálogo.

Los resultados publicados por OVH son buenos, pero frente a modelos de su tamaño. En la métrica COMET-22, que abarca noticias y nueve ámbitos financieros, Olala queda primero con 88,0, por delante de Tower+ y Gemma 4. En DOLFIN, un conjunto de documentos financieros traducidos del inglés al francés, obtiene 62,6 de BLEU, «8,6 puntos por delante del siguiente modelo». No se publica ninguna comparación con DeepL ni con Google: es el hueco que cubre esta prueba.

¿Cómo comparamos Olala, DeepL y gpt-oss-120b?

Elegimos un representante de cada familia:

  • el modelo especializado: Olala Translate, llamado en AI Endpoints;
  • el servicio comercial: la API de DeepL, en su modo «quality_optimized»;
  • el LLM generalista: gpt-oss-120b, el modelo de pesos abiertos de OpenAI, servido por Cerebras y guiado por un prompt de «motor de traducción».

Elegimos Cerebras por su velocidad: 851 tokens por segundo en este modelo en el router de Hugging Face el 20 de noviembre, el más rápido de los 23 proveedores de la lista.

El material son documentos de empresa tal y como los produce una cadena documental, no frases limpias. Usamos Veracier Industries, un conjunto de 1.004 PDF de empresas ficticias publicado por LightOn con licencia Apache 2.0: contratos, informes de ensayo, políticas, documentos financieros, cartas. Cada PDF se convierte a Markdown y se divide en fragmentos de 8.000 caracteres como máximo, como en un buscador documental. Tras filtrar los fragmentos demasiado cortos o con poco inglés, sacamos al azar 100 fragmentos de 76 documentos, casi 500.000 caracteres.

Cada método tradujo cada fragmento al francés y después volvió a traducir su propio francés al inglés. La calidad la puntuó Jev, el modelo de TypeSafe que ya usamos para ordenar los resultados de búsqueda: responde a preguntas cerradas con una probabilidad para cada respuesta. Dio tres notas de 1 a 5, sin saber qué método había traducido: una nota global y una de fidelidad, a partir del texto inglés y su traducción, y una de fluidez, a partir del francés solo, tal como lo descubriría un lector.

Todo está publicado: el informe completo en inglés (método, prompts, estadística, versión francesa) y la hoja de cálculo, con cada traducción y cada nota, fragmento a fragmento.

¿Traduce Olala Translate con la misma fidelidad que DeepL?

Sí. En fidelidad al sentido (mismos hechos, mismas cifras, mismos nombres, nada omitido ni añadido), los tres métodos empatan: 4,46 para Olala, 4,45 para DeepL, 4,46 para gpt-oss-120b. Las diferencias son demasiado pequeñas para distinguirlas del azar. En la nota global, DeepL supera a Olala en 0,09 puntos, la única diferencia significativa; gpt-oss-120b queda entre ambos, sin diferencia significativa con ninguno.

MétodoNota globalFidelidadFluidez del francés
Olala Translate (OVHcloud)4,384,463,69
gpt-oss-120b (Cerebras)4,454,463,77
DeepL API4,474,453,89

Gráfico: notas del juez Jev de 1 a 5, media de 100 fragmentos traducidos del inglés al francés. Nota global: Olala Translate 4,38, gpt-oss-120b 4,45, DeepL 4,47. Fidelidad al sentido: Olala 4,46, gpt-oss-120b 4,46, DeepL 4,45. Fluidez del francés: Olala 3,69, gpt-oss-120b 3,77, DeepL 3,89. Los intervalos de confianza del 95 % se solapan en fidelidadGráfico: notas del juez Jev de 1 a 5, media de 100 fragmentos traducidos del inglés al francés. Nota global: Olala Translate 4,38, gpt-oss-120b 4,45, DeepL 4,47. Fidelidad al sentido: Olala 4,46, gpt-oss-120b 4,46, DeepL 4,45. Fluidez del francés: Olala 3,69, gpt-oss-120b 3,77, DeepL 3,89. Los intervalos de confianza del 95 % se solapan en fidelidad

Las diferencias son pequeñas, en una escala donde 4 significa «fiel y fluida, con algunos defectos menores» y 5 «lista para publicar». En 72 de los 100 fragmentos traducidos por Olala, la nota global más probable es 5; lo es en 91 fragmentos en el caso de DeepL. Las otras 28 traducciones de Olala reciben un 4, ninguna baja de ahí. En duelo, fragmento a fragmento, Olala empata con DeepL 73 veces, le gana 6 y pierde 21.

Donde DeepL marca la diferencia: el francés

La diferencia está en la fluidez. DeepL obtiene 3,89, gpt-oss-120b 3,77 y Olala 3,69. Las tres diferencias son significativas. Olala traduce bien, pero más pegado al inglés. Una cláusula de contrato lo muestra:

Original: «The Customer reserves the right to audit the Supplier's facilities […] upon fifteen (15) business days' prior written notice, to verify compliance with this Agreement.»

Olala: «Le Client se réserve le droit d'auditer les installations […] sur préavis écrit de quinze (15) jours ouvrables, afin de vérifier la conformité avec le présent Accord.»

DeepL: «Le Client se réserve le droit de procéder à un audit des installations […], moyennant un préavis écrit de quinze (15) jours ouvrés, afin de vérifier le respect du présent Contrat.»

El sentido es el mismo. Pero un jurista francés escribiría «Contrat» (contrato) en lugar de «Accord» (acuerdo), un calco de Agreement, y un ingeniero «essai de fatigue» (ensayo de fatiga) en lugar de «test de fatigue», que aparece más adelante en el mismo fragmento. DeepL elige esas palabras; Olala, como gpt-oss-120b, conserva las del inglés. El juez lo tiene en cuenta, sin considerarlo un error: en este fragmento, su nota global es incluso más baja para DeepL (4,22) que para Olala (4,38) y gpt-oss-120b (4,59).

Olala también tiene sus buenos momentos. Algunos documentos del corpus mezclan inglés y francés sin tildes, como muchos documentos de empresa reales. En un informe de acción correctiva de este tipo, Olala recupera las tildes de los pasajes en francés («Vérification de l'efficacité prévue») y obtiene 4,50, frente a 3,47 de DeepL: su mayor ventaja.

Lo que dicen la traducción de ida y vuelta y la estructura

Volver a traducir el francés al inglés y compararlo con el original confirma el retrato. Medida con chrF++, una métrica de parecido carácter a carácter de 0 a 100, la versión que vuelve de Olala es la más cercana al original (81,8), por delante de gpt-oss-120b (81,6) y de DeepL (76,8). Esta métrica favorece las traducciones literales: no dice que Olala traduzca mejor, sino que es el que menos reformula. DeepL, que reescribe más, pierde más palabras originales en la ida y vuelta.

El formato resiste bien en todos los casos. Los títulos, tablas, listas y enlaces del Markdown se conservan al 98 % con Olala y al 100 % con DeepL y gpt-oss-120b.

¿Cuánto cuesta y cuánto tarda cada método?

Aquí es donde los tres métodos más se separan. Por millón de caracteres traducidos del inglés al francés:

MétodoCosteDuración acumulada de las llamadasLatencia mediana por fragmento
Olala Translate (OVHcloud)0 € (gratis a 20/11/2026)51 min 29 s16,0 s
gpt-oss-120b (Cerebras)0,47 €4 min 42 s1,3 s
DeepL API23,65 €3 min 45 s1,1 s

Gráfico: coste y duración por millón de caracteres traducidos del inglés al francés. Coste: Olala Translate 0 €, gratis por ahora; gpt-oss-120b en Cerebras 0,47 €; DeepL 23,65 €. Duración acumulada de las llamadas: Olala 51 min 29 s, gpt-oss-120b 4 min 42 s, DeepL 3 min 45 sGráfico: coste y duración por millón de caracteres traducidos del inglés al francés. Coste: Olala Translate 0 €, gratis por ahora; gpt-oss-120b en Cerebras 0,47 €; DeepL 23,65 €. Duración acumulada de las llamadas: Olala 51 min 29 s, gpt-oss-120b 4 min 42 s, DeepL 3 min 45 s

Olala no cuesta nada hoy, y nada indica cuánto durará. El catálogo de AI Endpoints lo muestra a 0 €, sin mención de plazo ni de versión preliminar.

El precio de DeepL es el del exceso del plan API Growth, 27,50 $ por millón de caracteres, que convertimos a euros. En la tarifa en euros consultada desde Francia, el plan Growth cuesta 23,80 € al mes con facturación anual, con 12 millones de caracteres al año incluidos, y después 22 € con IVA por millón adicional. El volumen incluido sale también a 23,80 € el millón. El orden de magnitud no cambia: DeepL cuesta unas 50 veces más que gpt-oss-120b servido por Cerebras, aunque a este se le facturan los tokens de razonamiento.

La lentitud de Olala en AI Endpoints es su verdadero punto débil: 16 segundos por fragmento de mediana, frente a uno o dos segundos de los otros dos. Es la del servicio (gratuito), no la del modelo: medida dos días después del lanzamiento, aún puede mejorar, y los pesos publicados permiten servir Olala en una infraestructura más rápida. En un procesamiento en segundo plano, además, importa poco. Lanzadas en paralelo, las 600 llamadas de traducción de la prueba, todos los métodos juntos, cupieron en 13 minutos. Lo que no le encaja es la traducción instantánea, en una interfaz donde el usuario espera la respuesta: para ese uso, hay que desplegar el modelo en otra infraestructura para que sea eficiente.

¿Son fiables los tres métodos?

De 600 llamadas de traducción, ninguna falló ni devolvió una respuesta vacía. Olala y DeepL tradujeron los 200 textos que les tocaban, en los dos sentidos. Olala tuvo que dividir un solo fragmento en dos para que cupiera en sus 8.000 tokens de contexto.

gpt-oss-120b cometió el único fallo grave de la prueba: en un fragmento corto de un expediente de fabricación, devolvió el texto en inglés tal cual, sin error ni aviso, aunque su prompt le pide traducirlo todo. En producción, una comprobación automática del idioma de salida basta para detectar este caso, pero tiene que existir. Olala, que solo sabe traducir, no dejó pasar nada parecido.

¿Qué LLM de traducción elegir para una empresa?

Ninguno de los tres gana en todo, y cada uno tiene su terreno.

El de Olala Translate son los documentos de trabajo, leídos internamente o por una máquina. Indexar una base documental multilingüe, permitir que un asistente responda a partir de documentos escritos en otro idioma, traducir informes para lectura interna: lo que cuenta es la fidelidad, y Olala la mantiene al nivel de DeepL. Se sirve en Francia, gratis por ahora, y sus pesos libres pueden instalarse en servidores propios, para documentos que no deben salir. La lentitud importa poco cuando la traducción corre en segundo plano. Con documentos financieros, su ámbito anunciado, y con un glosario, podría hacerlo mejor que en nuestra prueba, que no los usaba.

DeepL conserva el de la publicación. Una web, un folleto, un contrato que se va a firmar: cuando el texto se leerá tal cual, los 0,2 puntos de fluidez de DeepL cuentan. Incluso entonces, un texto jurídico merece una revisión humana, algo que la propia ficha de Olala recuerda para su traducción.

Queda la traducción masiva a bajo coste, terreno de gpt-oss-120b con una inferencia rápida. Obtiene la misma nota global que DeepL por una fracción del precio, a una velocidad comparable. Es el método indicado para traducir millones de caracteres al mes, siempre que se añada el control de idioma descrito más arriba. Detallamos este cálculo para un lector no técnico en nuestra guía para pagar la traducción 50 veces menos que con DeepL.

Para un responsable de sistemas preocupado por la soberanía, Olala tiene un argumento más: un modelo francés, servido en Francia por un proveedor europeo, que traduce con la misma fidelidad que la referencia del mercado.

DeepL también es europeo: la empresa es alemana, ha instalado sus propios superordenadores en Suecia y su política de privacidad indica que los documentos se procesan «en nuestra infraestructura en el EEE» (traducción propia). Pero sus condiciones generales le permiten tratar los textos de sus clientes en una infraestructura «propiedad de proveedores de nube terceros o gestionada por ellos» (traducción propia), que no nombran, y le dejan elegir el lugar del tratamiento. Su lista de subencargados no es de libre acceso: desde fuera es imposible saber si interviene un hiperescalador estadounidense. En OVHcloud, propietaria de sus centros de datos, el modelo se sirve desde Francia; entendemos que el proveedor opera toda su cadena de IA con medios propios, sin subcontratar a un hiperescalador.

gpt-oss-120b también está en el catálogo de AI Endpoints, a 0,08 € y 0,40 € por millón de tokens de entrada y de salida: aún más barato que en Cerebras, pero más lento, 52 tokens por segundo en el router de Hugging Face el 20 de noviembre. No lo probamos allí.

Traducir los documentos de un proyecto de IA o de un chatbot

Un asistente que responde a partir de los documentos de una empresa, ya sea un chatbot interno o un motor de respuestas sobre una base documental, choca pronto con los idiomas. Los contratos están en inglés, los procedimientos en francés, los informes de la filial en alemán: una pregunta hecha en español encuentra mal un pasaje escrito en inglés. Traducir los documentos al indexarlos resuelve el problema. El asistente busca en un solo idioma y luego responde en el del usuario.

Es exactamente la situación de nuestra prueba: PDF convertidos a Markdown, divididos en fragmentos de 8.000 caracteres como máximo, traducidos uno a uno. Y ahí es donde el volumen cambia la ecuación. A los precios de nuestra prueba, traducir una base de 50 millones de caracteres cuesta unos 1.180 € con DeepL, 24 € con gpt-oss-120b en Cerebras y, hoy, nada con Olala. Cada documento nuevo se suma después a la factura.

El modelo es solo una pieza de la cadena. Hay que convertir los PDF sin perder las tablas, dividirlos sin cortar una cláusula en dos, respetar el límite de contexto del modelo, comprobar el idioma de cada traducción, relanzar los fallos y decidir dónde se tratan los documentos. En ATG hemos estudiado y puesto en marcha toda esta cadena, incluido este benchmark. Nuestros clientes no tienen que construirla ni repetir estas mediciones: la plataforma ATG se encarga de traducir sus documentos, y elegimos con ellos el modelo según sus requisitos de coste y soberanía.

Los límites de esta prueba

Las notas proceden de un solo juez automático, no de traductores profesionales. Jev está seguro de sí mismo en fidelidad, mucho menos en fluidez, que puntúa con un 3 en la mayoría de los textos: las pequeñas diferencias de estilo deben leerse con prudencia. Los documentos son sintéticos, creados por un modelo de lenguaje para empresas ficticias, y solo probamos del inglés al francés. El corpus es generalista (contratos, técnica, calidad, finanzas), mientras que Olala se anuncia para finanzas. Por último, es una foto del 20 de noviembre de 2026: precios, modelos y velocidades cambian rápido.

Por transparencia: ATG es cliente de OVHcloud, que aloja nuestra plataforma. Ni OVHcloud, ni DeepL, ni Cerebras encargaron ni revisaron esta prueba.

Preguntas frecuentes sobre Olala Translate y los LLM de traducción

¿Olala Translate es gratuito?

Sí, a 20 de noviembre de 2026: el catálogo de OVHcloud AI Endpoints lo muestra a 0 € por millón de tokens, en entrada y en salida, sin plazo anunciado. Puede aparecer un precio más adelante. Los pesos del modelo también se publican gratis en Hugging Face, con licencia Apache 2.0, para instalarlo en servidores propios.

¿Olala Translate es mejor que DeepL?

Es igual de fiel, pero no igual de fluido. En 100 fragmentos de documentos de empresa traducidos del inglés al francés, Olala y DeepL obtienen la misma nota de fidelidad al sentido (4,46 y 4,45 sobre 5), pero DeepL escribe un francés más natural (3,89 frente a 3,69) y supera a Olala en 0,09 puntos en la nota global. Olala es gratis por ahora; DeepL cuesta entre 22 y 24 € por millón de caracteres.

¿Qué idiomas traduce Olala Translate?

Dieciocho idiomas según su ficha de Hugging Face: inglés, francés, alemán, español, italiano, neerlandés, portugués, sueco, danés, noruego, finés, polaco, checo, ruso, árabe, chino (simplificado y tradicional), japonés y coreano. Nuestra prueba solo cubre del inglés al francés.

¿Se puede ejecutar Olala Translate en servidores propios?

Sí. Los pesos se publican con licencia Apache 2.0, que permite el uso comercial. Con unos mil millones de parámetros activos, el modelo es ligero, pero por ahora necesita vLLM con un ajuste concreto, porque las herramientas para el gran público como Ollama todavía no cargan la arquitectura de Olala.

¿Puede un LLM sustituir a DeepL para traducir documentos?

Para documentos de trabajo, sí: en nuestra prueba, Olala Translate y gpt-oss-120b conservan el sentido tan bien como DeepL, gratis el primero por ahora y 50 veces más barato el segundo. Para un texto que se publica tal cual, DeepL sigue siendo más natural. Un LLM generalista exige además comprobar el idioma de salida: gpt-oss-120b devolvió uno de cada 100 textos sin traducir.


Olala Translate tiene dos días y ya empata con DeepL en lo esencial, el sentido. El siguiente paso es ponerlo a prueba en su terreno anunciado, los documentos financieros, con un glosario del sector, y en los demás idiomas que cubre. Si traduces grandes volúmenes de documentos y quieres saber qué daría esta prueba con los tuyos, hablemos.

Partager :

Artículos relacionados

Alternativa a DeepL: 50 veces más barato, o incluso gratisIA

Alternativa a DeepL: 50 veces más barato, o incluso gratis

Alternativa a DeepL: un modelo de IA abierto traduce tus documentos con la misma calidad global, 50 veces más barato. Nuestras mediciones, trampas y pasos.

7 min
Qwen 3.8 27B vs Qwen 4 27B: ¿qué cabe esperar?IA

Qwen 3.8 27B vs Qwen 4 27B: ¿qué cabe esperar?

Qwen4-Max salió el 16 de noviembre, sin pesos, y Qwen 4 27B se hace esperar. Lo que está confirmado y lo que vale Qwen 3.8 27B frente a Mistral.

18 min
Actualizado el
Olala mini, el LLM de OVH: sus benchmarks y lo que valeIA

Olala mini, el LLM de OVH: sus benchmarks y lo que vale

Olala mini 7A1B, el primer LLM de OVH, está en Hugging Face. Sus puntuaciones frente a Qwen y Ministral, cómo ejecutarlo en local, para qué sirve en la empresa.

12 min
Actualizado el

¿Te interesan nuestras soluciones?

Mira cómo Ask This Guy puede acelerar tus proyectos de IA

Reservar una demo