Cohere představuje otevřený model strojového překladu typu mixture-of-experts s 218 miliardami parametrů

Cohere uvolnila North Small Translate dne 10. září 2026, otevřený model strojového překladu typu mixture-of-experts s celkem 218 miliardami parametrů a 25 miliardami aktivních parametrů, licencovaný pro výzkumné a nekomerční použití pod licencí CC BY-NC 4.0.

Cohere popsal North Small Translate jako svůj první překladový model v rodině modelů North, navazující na vícejazykovou a překladovou linii sahající od rodiny modelů Tiny Aya po Command A Translate. Model pracuje pouze s textem v obou směrech, má 16K-token vstupní kontext a 16K-token výstupní limit, a Cohere uvádí podporu více než 50 jazyků. Minimální hardware je jedno GPU B200 nebo dvě GPU H100 při kvantizaci W4A4.

Benchmarky, propustnost a náklady uváděné společností Cohere

Cohere uvedla skóre WMT26 pro všechny jazyky 83.60 pro North Small Translate, které vzrostlo na 84.36 u agentického variantu s více průchody, o němž společnost tvrdí, že dokáže najít a opravit chyby v překladu. Ve vyhodnocení Cohere, kde byl jako soudce použit GPT-5.6-Sol, získal Qwen 3.5 397B A17B 81.56, DeepL NextGen 81.37, Gemma 4 31B (on) 79.46, GLM 5.2 FP8 76.50 a Google Translate 68.20.

Benchmark WMT hodnotí obecné schopnosti systémů strojového překladu napříč širokou škálou jazyků, domén, žánrů a modalit a jeho metodika hodnocení považuje skóre od 80 do 100 za dokonalé nebo jen s drobnými chybami. Cohere popsal North Small Translate jako nejvýkonnější dedikovaný model strojového překladu v tomto hodnocení, otevřený i uzavřený, průměrně napříč všemi jazyky, a uvedl, že dosahuje silných výsledků ve 32 jazycích s vysokými zdroji a dalších 18 jazycích.

Na regionální úrovni Cohere uvedla, že model překonal Gemma 4 31B (on) v Evropě, 82.2 ku 73.9, zatímco v Jižní Asii byl v podstatě na stejné úrovni, 86.2 ku 86.7. Cohere také uvedla, že obě verze překonaly DeepL NextGen ve všech neevropských testovaných regionech: přibližně o 8 až 10 bodů v Jižní Asii a MENA, asi o 4 až 5 bodů v jihovýchodní Asii a o 1 až 3 body ve východní Asii, kde standardní model dosáhl skóre 85.41 DeepL.

V dlouhém kontextovém hodnocení Cohere, které měří, jak dobře model překládá dvě kapitoly knihy v jediném volání s hodnocením kvality po odstavcích pomocí xComet-XL, získal North Small Translate 48.9 proti 21.3 pro Google Translate a 19.4 pro Gemma 4 31B. Cohere popsal tento výsledek jako více než dvojnásobek obou referenčních hodnot a předstihující všechny testované obecné LLM.

V interním testování propustnosti při stejných úrovních souběžnosti a hardwarových konfiguracích Cohere změřila až 1.4‑násobně vyšší výstupní propustnost než Gemma 4 31B TP1: 112 proti 81 tokenům za sekundu při nízké souběžnosti a 39 proti 30 při vysoké souběžnosti, což společnost vyjádřila jako 30 % až 38 % více tokenů generovaných za sekundu.

Pro podniky zvažující komerční licence Cohere uvedla skóre 80.1 při ceně $0.000676 za úkol s průměrem 661 tokenů. Společnost uvedla Gemini 3.1 Pro Preview (high) za $0.038928 za úkol, což představuje nárůst o 5,762 procent, a Qwen 3.5 397B A17B a vlastní Command A+ za $0.004525 a $0.005158 za úkol, přičemž používá cenové modely za token nebo znak z webových stránek poskytovatelů modelů.

Architektura a jazyková podpora

The karta modelu popisuje North Small Translate jako decoder-only řídký mixture-of-experts Transformer s 128 experty, z nichž osm se aktivuje na token, spolu se sdílenými experty aplikovanými na každý token. Vrstvy pozornosti střídají sliding-window attention (velikost okna 4096, používající Rotary Positional Embeddings) s globálními vrstvami pozornosti bez pozičních embeddingů v poměru 3:1, design poprvé představený v Command A. Router aplikuje sigmoidní aktivaci na logity expertů a normalizuje je podle vybraných top‑k. Model byl následně trénován speciálně pro kvalitu překladu.

Kde oznámení uvádí podporu více než 50 jazyků, karta modelu uvádí přesně 50, včetně angličtiny, arabštiny, francouzštiny, němčiny, hindštiny, japonštiny, korejštiny, ruštiny, ukrajinštiny, vietnamštiny a zjednodušené a tradiční čínštiny. Dokumentace Cohere popisuje pokrytí jako angličtinu plus více než 50 jazykových a lokálních variant, uvádí Modern Standard Arabic, němčinu, francouzštinu, japonštinu, korejštinu, ruštinu a ukrajinštinu jako jazyky první úrovně a uvádí lokální varianty jako egyptskou, moderní standardní a saudskou arabštinu, portugalskou portugalštinu, cyrilskou srbštinu a norský bokmål.

Licencování, přístup a partnerství s RWS

Váhy jsou na Hugging Face: omezené – stažení vyžaduje souhlas se sdílením kontaktních informací a používání je řízeno licencí CC BY-NC 4.0 spolu s Acceptable Use Policy společnosti Cohere Labs. Jsou k dispozici tři varianty kvantizace: BF16 (čtyři B200 nebo osm H100 GPU), FP8 (dvě B200 nebo čtyři H100) a NVFP4 W4A16 (jedno B200 nebo dvě H100), což karta modelu uvádí jako kontrolní body, které Cohere nasazuje v produkci. Hostovaný Hugging Face Space nabízí ukázku modelu.

Model je také poskytován v bezplatné úrovni API společnosti Cohere prostřednictvím Chat V2 API pod ID modelu north-small-translate-1-0, zdarma dokud nejsou dosaženy limity rychlosti, přičemž komerční licence a nasazení jsou k dispozici přes Cohere Model Vault s doporučeným hardwarem dva H100 GPU nebo jedno B200. Dokumentace Cohere uvádí případy použití, včetně správy znalostí, dokumentace bezpečnosti a provozu, interní komunikace a lokalizace a zákaznické podpory.

Cohere uvedla, že North Small Translate byl vyvinut ve spolupráci s RWS, společností poskytující AI řešení v oblasti jazykových technologií a služeb, jejíž výzkumné a vědecké týmy Language Weaver a jazykoví odborníci pomáhali formovat reálný překladový výkon modelu během vývoje. Společnost uvádí, že RWS spolupracuje s více než 80 % z 100 největších světových značek, a že podniky, které potřebují dedikovanou platformu pro překlad a lokalizaci, mohou model získat prostřednictvím produktu Language Weaver od RWS.

Podle zprávy o spolupráci ze dne 1. června 2026 Cohere požádala RWS o testování Command A Translate v červenci 2025 a do září 2025 oba týmy zahájily práci na specializovaném překladovém modelu, o kterém příspěvek uvádí, že pohání Language Weaver Pro od RWS. Cohere uvedla, že Language Weaver Pro dosáhl 55 % celkových vítězství na úrovni vět oproti DeepL NextGen v lidských hodnoceních a překonal konkurenty v automatizovaných benchmarkech v 31 ze 32 jazyků běžně používaných v podnikovém prostředí. CEO RWS Ben Faes popsal model za Language Weaver Pro jako mozek produktu.