Quina IA local escriu millor en català amb la memòria que tens?

Si tens poca memòria, Qwen3.5-4B és el punt de partida per escriure en català; amb més capacitat, Qwen3.8-27B és la tria general. La recomanació de Softcatalà situa el primer en ordinadors de 8 i 16 GB i el segon en els de 32 GB o més, en tots els casos amb quantització Q4_K_M.

Aquesta recomanació no resol totes les feines d’un creador. El model que obté la puntuació global més alta entre els locals avaluats no encapçala totes les proves de resum o traducció. Per escollir, cal creuar la tasca principal amb la memòria que el model deixa per al sistema, el programa i el text d’entrada.

Què mesuren les proves en català

Les eines d’avaluació de Softcatalà inclouen acceptabilitat gramatical, comprensió lectora, resum, traducció, seguiment d’instruccions i manteniment del català. Els resultats publicats s’actualitzen a partir de fitxers generats pel projecte. Això permet comparar models i configuracions concrets, però les proves responen a preguntes diferents de les que planteja un article acabat.

CatCoLA mesura si el model distingeix frases acceptables de frases incorrectes; no puntua directament l’estil d’un text que hagi redactat. CaSum compara un resum amb una referència humana, mentre que la prova de comprensió valora respostes extretes d’un text. Per a un encàrrec editorial també importen les proves de seguir instruccions i de continuar responent en català quan el context empeny cap a una altra llengua.

Les columnes de traducció anglès–català i castellà–català combinen les dues direccions de cada parella. Una puntuació de la columna anglès–català, per tant, no descriu per separat una traducció de l’anglès al català. Aquesta distinció importa si la feina habitual és traduir sempre en una sola direcció.

Redacció, resum, traducció i documents: com canvia la tria

La taula de models locals de Softcatalà publica puntuacions per tasca, memòria consignada per model i un índex agregat anomenat CLAM. Tots els models locals d’aquesta comparació s’hi han avaluat amb quantització Q4_K_M. Les xifres següents són puntuacions de proves específiques, no percentatges de textos publicables.

• Redacció i revisió. Qwen3.5-4B ocupa 2,2 GB i obté 0,9067 a Mantinc, la prova de manteniment del català. Amb la mateixa memòria consignada, Gemma 3 4B supera la seva puntuació de gramaticalitat a CatCoLA, 0,3246 davant de 0,2410, però baixa a 0,7467 a Mantinc. Amb més marge, Qwen3.8-27B arriba a 0,4120 a CatCoLA. Si la prioritat és evitar canvis de llengua, el resultat del model petit té més interès que una única puntuació gramatical.
• Resum. Salamandra-7B, amb 3,9 GB consignats, marca 0,4768 a CaSum; Qwen3.8-27B, amb 15,2 GB, marca 0,4567. La diferència publicada mostra per què la mida no determina per si sola la puntuació d’una tasca. Salamandra-7B, però, baixa a 0,3550 en seguiment d’instruccions: condensar un text i respectar alhora una estructura editorial estricta són exigències diferents.
• Traducció. Gemma 3 27B obté 0,6066 en la columna bidireccional anglès–català i 0,2601 en castellà–català. Qwen3.8-27B hi obté 0,5975 i 0,2532, respectivament. L’avantatge de Gemma 3 27B és petit en aquestes mesures i no identifica quina direcció concreta de traducció anirà millor; són xifres útils per delimitar candidats, no per donar per bona una traducció sense revisió.
• Preguntes sobre documents. Qwen3.8-27B arriba a 0,7637 en comprensió lectora, davant del 0,7118 de Qwen3-14B i el 0,7045 de Qwen3.5-4B. Si la resposta ha de seguir un format precís, Qwen3-14B obté 0,7525 en seguiment d’instruccions i Qwen3.8-27B, 0,7450. La comprensió d’un fragment i l’obediència a l’encàrrec són mesures complementàries.

En l’índex CLAM, Qwen3.8-27B encapçala els models locals de la taula amb 62,92 punts. Qwen3-14B en té 58,99 i Qwen3.5-4B, 57,33. Softcatalà considera que una diferència inferior a dos punts de CLAM no és concloent; entre els dos últims models, la tasca concreta i la memòria disponible pesen més que l’ordre de la classificació global. CLAM agrega proves normalitzades i tampoc no és un percentatge d’encerts.

Quanta memòria queda en tres ordinadors habituals

Càlcul propi de capacitat amb les mides publicades, consultades l’1 de novembre de 2026. La metodologia de recomanació de Softcatalà reserva una quarta part de la RAM per al sistema, el motor d’inferència i la memòria cau del context. En els escenaris següents s’executa un sol model Q4_K_M i es resta la memòria consignada per a aquest model de les tres quartes parts restants. El resultat és un marge orientatiu, no una mesura de memòria lliure ni una garantia per a documents llargs.

• 8 GB, redacció general: la reserva és de 2 GB i en queden 6 GB per al model i la resta de l’execució. Amb els 2,2 GB consignats per a Qwen3.5-4B, el marge calculat és de 3,8 GB. És la recomanació general de Softcatalà per a aquesta capacitat.
• 16 GB, més pes per a la gramàtica: després de reservar 4 GB, en queden 12 GB. Qwen3-14B, l’alternativa que figura a la recomanació, en té 7,9 GB consignats: el marge calculat és de 4,1 GB. La seva puntuació gramatical supera la de Qwen3.5-4B, però deixa menys espai per a altres usos de l’ordinador.
• 32 GB, resums i consultes documentals: la reserva és de 8 GB i en queden 24 GB. Els 15,2 GB consignats per a Qwen3.8-27B deixen un marge calculat de 8,8 GB. És el model recomanat per Softcatalà en aquesta franja i el que obté la puntuació agregada més alta entre els locals avaluats.

Aquests marges comparen capacitats, no factures. No hi ha un preu publicat i comú per a l’ordinador, l’electricitat i el temps d’ús de cada lector que permeti convertir-los en un cost mensual en euros amb impostos. A més, un context extens pot consumir més memòria cau que la prevista en la reserva orientativa; en aquest cas, un model més petit pot resultar una elecció més còmoda encara que el gran hi càpiga nominalment.

Què aporta Gemma 3 quan els documents són llargs

La fitxa oficial de Gemma 3 descriu pesos oberts, suport per a més de 140 llengües i una finestra de context de 128.000 tokens en les variants de 4B, 12B i 27B. La variant d’1B té un límit de context inferior. Una finestra àmplia permet admetre més text d’entrada, però omplir-la augmenta la memòria necessària durant l’execució.

Gemma 3 27B és una candidata concreta si la feina combina textos llargs amb traducció i l’ordinador té marge suficient. La seva puntuació a CaSum és de 0,2687, força inferior a la de Qwen3.8-27B en la configuració publicada; la capacitat anunciada per rebre documents extensos no equival a una puntuació alta de resum. Per a una redacció que alterna diverses tasques, Qwen3.8-27B manté l’avantatge agregat. Si predomina una sola feina, les columnes específiques expliquen millor el compromís que s’assumeix en triar el model.

Llegeix també:

• Indexa o Finizens: la comissió canvia amb el capital i els anys
• Autònom o SL el 2026: el benefici no és l’únic número que decideix