据TechRadar 9月23日报道，Vambo AI和Tether AI Research先后发布面向非洲语言及离线场景的人工智能模型。Vambo AI的MORENA以15亿参数覆盖12种非洲语言，并称在非洲语言任务上超过更大模型；Tether的AfriSLM和EuroNano无需联网，可在手机或笔记本电脑本地运行。

MORENA覆盖尼日利亚皮钦语、伊博语、约鲁巴语、豪萨语、斯瓦希里语、奇绍纳语、祖鲁语、科萨语、基尼亚卢旺达语、茨瓦纳语、南非荷兰语和恩德贝莱语，并支持英语、法语和代码。开发方称其比谷歌、Meta、阿里巴巴和HuggingFace的模型更小，却能在非洲语言建模和翻译上胜出。关键基准中，MORENA得1.408 bpb，为26个受测模型最佳；最接近的Lugha-Llama-8B参数多五倍，得1.423 bpb，在12种语言中的8种落败。12B Gemma消耗约11倍算力但得分更弱。

Vambo AI称，MORENA训练前即固定分词器、数据配比和语言列表。相同文本下，其词表表示非洲语言所需token比Gemma 3少1.39倍，比Llama 3.2少1.53倍；但非洲文本每字节仍比英语多用约6% token，团队无法完全解释。模型预训练使用2517亿token，中期训练630亿token，开发耗逾2.2万A100 GPU小时，计算资源价值约4万美元，并获UNDP、AIHub4SD和CINECA支持。

除15亿参数主模型，Vambo AI还发布5亿和2亿参数版本。5亿版据称在12种语言中的11种超过所有外部受测系统；2亿nano版用于语音识别重打分、键盘和文本规范化，每字节成本比Lugha-Llama-8B低58倍，单张A100每秒生成104个token，并有可在笔记本离线运行的CPU版本。

同一天刊发的另一篇TechRadar报道中，Tether AI Research发布离线翻译系统QVAC TranslatePsy-AfriSLM和EuroNano。AfriSLM覆盖19种非洲语言，含豪萨语、阿姆哈拉语、约鲁巴语、斯瓦希里语、祖鲁语、索马里语等，Tether称合计覆盖非洲约50%人口，指语言覆盖范围而非用户数。该模型有8亿参数，Tether称其超过Qwen3.5-122B-A10B、TranslateGemma-27B和NLLB-3.3B；测试使用FLORES-200、BOUQuET和SMOL，但基准表现不等于实际场景结果。公司称筛选时剔除多达96%的不合适材料，并发布0.8B、2B和4B配置。

EuroNano以英语为中介，连接90条欧洲语言翻译路径，占用36MB，Tether称比可比的Firefox离线方案少约94%存储。Tether表示，对非洲语言的投入与其在撒哈拉以南非洲的太阳能信息亭有关，这些站点提供手机充电、电池更换和数字金融服务，未来可分发本地翻译的教育和农业内容。首席执行官Paolo Ardoino称，语言不应决定谁能从人工智能中受益，开放翻译模型可让教育和AI工具触达缺乏可靠连接或无力承担昂贵系统的人。AfriSLM已上线Hugging Face，相关研究被EMNLP 2026接收。