# Benchmark Gemma 4 12B vs Gemma 4 4B

## Objetivo
Comparar si Gemma 4 12B mejora de forma material el flujo real de Feadulta frente a Gemma 4 4B sin ejecutar todavía una batería grande.

Este benchmark propone una sola prueba pequeña pero representativa: traducción + preparación para TTS.

## Condiciones fijas
Usar exactamente la misma configuración para ambos modelos:

- mismo prompt
- misma temperatura (`0.2` recomendada)
- mismo max tokens
- misma context window
- sin herramientas externas
- misma máquina / mismo backend de LM Studio

## Caso de uso elegido
Feadulta suele necesitar:

- traducciones ES ↔ EN
- preservar tono espiritual/catequético
- mantener nombres propios y citas bíblicas correctas
- dejar el texto listo para TTS sin frases raras

## Prueba
### Input sugerido
Tomar un fragmento real de Feadulta de 600 a 900 palabras en español con:

- tono espiritual o doctrinal
- al menos 2 citas bíblicas
- nombres propios o referencias litúrgicas
- frases largas y algún matiz teológico

### Prompt
```text
Actúa como editor bilingüe para Feadulta.

Tarea:
1. Traduce al inglés el texto español adjunto.
2. Mantén el tono espiritual, cercano y claro; no lo vuelvas académico ni robótico.
3. Conserva correctamente citas bíblicas, nombres propios, referencias litúrgicas y términos doctrinales.
4. Después de la traducción, genera una segunda versión "TTS-ready" del mismo texto en inglés:
   - frases algo más cortas
   - puntuación natural para locución
   - sin enumeraciones artificiales
   - sin emojis
   - sin notas del traductor
5. No inventes contenido ni expliques decisiones.

Devuelve exactamente este formato:

[EN_TRANSLATION]
...

[TTS_READY_EN]
...
```

[PEGAR TEXTO FUENTE AQUÍ]
```

## Qué evaluar
Puntuar 1–5 en cada eje:

1. Fidelidad al original
   - no omite matices importantes
   - no simplifica demasiado
   - no añade ideas

2. Naturalidad del inglés
   - suena humano
   - no parece traducción literal
   - mantiene buen ritmo

3. Precisión religiosa / terminológica
   - citas bíblicas bien mantenidas
   - términos doctrinales consistentes
   - nombres y referencias correctos

4. Calidad TTS-ready
   - frases respirables
   - puntuación ayuda a narración
   - no hay giros torpes para voz

5. Necesidad de edición manual
   - 5 = casi publicar
   - 1 = rehacer bastante

## Señales de que gana el 12B
- conserva mejor el matiz del original
- hace menos traducción literal rara
- entrega una versión TTS más fluida
- requiere menos retoques antes de publicar

## Regla práctica de decisión
Si el 12B gana claramente en 3 o más ejes y la latencia extra sigue siendo tolerable, merece ser el modelo por defecto para traducción/TTS de Feadulta.

Si la mejora es pequeña, el 4B puede seguir siendo suficiente para borradores rápidos.