Falcon-Emirati-7B wurde am 6. Oktober 2026 vom Technology Innovation Institute (TII) der Vereinigten Arabischen Emirate über dessen offiziellen Hugging-Face-Blog veröffentlicht. Es ist ein 7B-Modell, das gezielt für den Dialekt der Emirate gebaut wurde, auf Basis von TIIs eigenem Falcon-H1-Arabic mit einer Hybridarchitektur, die Mamba-Zustandsraummodelle und Transformer-Aufmerksamkeit parallel verschaltet. Das Ziel ist schmal und klar benannt: Emiratisches Arabisch wie ein Muttersprachler zu verstehen und zu verwenden, statt nur modernes Hocharabisch fließend zu sprechen. Das Modell lässt sich inzwischen auf der Falcon-Chatplattform ausprobieren.
Auf Hocharabisch richtig zu antworten ist nicht dasselbe, wie den Dialekt zu verstehen
Unter dem Namen Arabisch verbirgt sich eine ganze Sprachfamilie. Nachrichten und Lehrbücher nutzen modernes Hocharabisch, doch Alltag, Humor, Verhandlungen und Geschichten laufen in den Emiraten in einem Golfdialekt. Nabati-Dichtung, Sprichwörter und Anspielungen tragen Bedeutung, die von geteiltem Kulturwissen abhängt; eine wortwörtliche Übersetzung kann vollständig korrekt sein und den Sinn trotzdem verfehlen. Der häufigste Fehler allgemeiner arabischer Modelle: Sie verstehen die Frage genau und antworten dann standardmäßig auf Hocharabisch — richtiger Inhalt, falsches Register. Falcon-Emirati-7B soll genau diese Lücke schließen.
Daten aus drei Quellen, geprüft von muttersprachlichen Ohren
Das erste Problem der Dialektanpassung sind die Daten: Emiratisch ist überwiegend gesprochen, entsprechend weniger native Texte gibt es online als für Hocharabisch. TII ging drei Wege zugleich: authentische Dialekttexte von lokalen Websites und Foren sammeln und aufbereiten; hocharabisches Material über Kultur, Geschichte und Sitten der Emirate ergänzen, damit das Modell weiß, wovon es spricht; und synthetische Dialektdaten erzeugen, die durch eigens erstellte Glossare und Stilregeln gebunden sind, damit keine Sätze entstehen, die grammatikalisch stimmen, für Einheimische aber sofort unecht klingen. Auch für die Trainingsstrategie gab es kein Standardrezept, also testete das Team Datenmischungen, Einspeisephasen und Supervision in Ablationsstudien und prüfte jeden Schritt mit automatischen Werten und muttersprachlichem Urteil. Die Wahl von 7B statt 34B war der Ausgleichspunkt zwischen Dialektnuance und praktikablen Trainings- und Betriebskosten.
Zwei Zeugnisse: eines fürs Richtigliegen, eines fürs Richtigklingen
Das erste ist Alyah, ein Benchmark aus 1.173 Multiple-Choice-Fragen, die Muttersprachler von Hand gesammelt haben — von Alltagsgrüßen über bildhafte Sprache und Kulturerbe-Wissen bis zu Dichtung. Falcon-Emirati-7B erreicht 84,83 Prozent und liegt vor allen anderen arabischen und mehrsprachigen Modellen im Vergleich. Im Emirate-Teil von ArabCulture-Dialogue, 283 Szenarien, führt es mit 85,57 Prozent vor ALLaM-7B mit 83,39 Prozent, Jais-2-8B mit 73,79 Prozent und dem deutlich größeren Fanar-2-27B mit 71,50 Prozent.
Das zweite Zeugnis ist das aufschlussreichere. Bei offener Generierung bewertete Gemini 3.7 Flash als Juror getrennt, ob die Antwort tatsächlich im Emirate-Dialekt erfolgte. Falcon-Emirati-7B erreicht bei der Dialekttreue 0,52, während ALLaM, gemma-3-27b-it, Jais-2-8B und Fanar-2-27B nur auf 0,05, 0,03, 0,02 und praktisch null kommen — die anderen kennen oft die richtige Antwort und sagen sie trotzdem auf Hocharabisch. Gewonnen wird nicht alles: Bei Grüßen und Alltagsausdrücken, wo Dialekt und Standard sich am stärksten überschneiden, verliert es knapp gegen Jais-2-8B. TII weist zudem darauf hin, dass seltene Ausdrücke und stark lokale Bezüge weiterhin schiefgehen können, und empfiehlt eine eigene Prüfung vor sensibler oder offizieller Nutzung.
Die übertragbare Lehre für mehrsprachige Modelle ist der Maßstab: Parametergröße kauft keine Dialektkompetenz, und eine lange Sprachenliste im Datenblatt beweist nichts. Was funktioniert, ist, für jeden Dialekt native Daten und native Benchmarks vorzubereiten und die letzte Abnahme Muttersprachlern zu überlassen — eine Methode, die weit über das Emirate-Arabische hinaus trägt.
