Cohere παρουσιάζει το ανοιχτό‑βάρος μοντέλο μηχανικής μετάφρασης με μίξη ειδικών 218 δισεκατομμυρίων παραμέτρων

Cohere κυκλοφόρησε το North Small Translate στις 10 Σεπτεμβρίου 2026, ένα ανοιχτό‑βάρος μοντέλο μηχανικής μετάφρασης με 218 δισεκατομμύρια συνολικές παραμέτρους και 25 δισεκατομμύρια ενεργές παραμέτρους, αδειοδοτημένο για έρευνα και μη εμπορική χρήση υπό την άδεια CC BY‑NC 4.0.

Η Cohere περιέγραψε το North Small Translate ως το πρώτο μοντέλο μετάφρασης στην οικογένεια μοντέλων North, βασισμένο σε μια πολυγλωσσική και μεταφραστική κληρονομιά που εκτείνεται από την οικογένεια μοντέλων Tiny Aya μέχρι το Command A Translate. Το μοντέλο λειτουργεί μόνο με κείμενο και στις δύο κατευθύνσεις, με πλαίσιο εισόδου 16K‑token και όριο εξόδου 16K‑token, και η Cohere αναφέρει υποστήριξη για περισσότερες από 50 γλώσσες. Το ελάχιστο υλικό είναι μία GPU B200 ή δύο GPU H100 με ποσοτικοποίηση W4A4.

Δείκτες, Απόδοση και Κόστος που Αναφέρει η Cohere

Η Cohere ανέφερε σκορ 83.60 στο WMT26 για όλες τις γλώσσες για το North Small Translate, που αυξήθηκε σε 84.36 για μια παραλλαγή πολλαπλών περασμάτων με δυνατότητα εντοπισμού και διόρθωσης σφαλμάτων στη μετάφραση. Στην αξιολόγηση της Cohere, η οποία χρησιμοποίησε το GPT-5.6-Sol ως κριτή, το Qwen 3.5 397B A17B πέτυχε 81.56, το DeepL NextGen 81.37, το Gemma 4 31B (on) 79.46, το GLM 5.2 FP8 76.50 και το Google Translate 68.20.

Το benchmark WMT αξιολογεί τις γενικές δυνατότητες των συστημάτων μηχανικής μετάφρασης σε ένα ευρύ φάσμα γλωσσών, τομέων, ειδών και μορφών, και η μεθοδολογία βαθμολόγησής του θεωρεί τα σκορ από 80 έως 100 ως τέλεια ή με μόνο μικρά σφάλματα. Η Cohere περιέγραψε το North Small Translate ως το καλύτερο αφιερωμένο μοντέλο μηχανικής μετάφρασης στην αξιολόγηση, ανοιχτό ή κλειστό, κατά μέσο όρο σε όλες τις γλώσσες, και δήλωσε ότι αποδίδει ισχυρά σε 32 γλώσσες υψηλής διαθεσιμότητας και 18 επιπλέον γλώσσες.

Σε περιφερειακό επίπεδο, η Cohere ανέφερε ότι το μοντέλο ξεπέρασε το Gemma 4 31B (on) στην Ευρώπη, 82.2 προς 73.9, ενώ ήταν σχεδόν ίσο στη Νότια Ασία, 86.2 προς 86.7. Η Cohere δήλωσε ότι και οι δύο εκδόσεις υπερέβησαν το DeepL NextGen σε κάθε μη ευρωπαϊκή περιοχή που δοκιμάστηκε: κατά περίπου 8 έως 10 πόντους στη Νότια Ασία και τη Μέση Ανατολή, περίπου 4 έως 5 πόντους στη Νοτιοανατολική Ασία, και 1 έως 3 πόντους στην Ανατολική Ασία, όπου το τυπικό μοντέλο πλησίαζε το σκορ 85.41 του DeepL.

Στην αξιολόγηση μακράς συμφραζομένης της Cohere, η οποία μετρά πόσο καλά ένα μοντέλο μεταφράζει δύο κεφάλαια βιβλίου σε μία κλήση με ποιότητα ανά παράγραφο που βαθμολογείται μέσω xComet-XL, το North Small Translate πέτυχε 48.9 έναντι 21.3 για το Google Translate και 19.4 για το Gemma 4 31B. Η Cohere περιέγραψε αυτό το αποτέλεσμα ως περισσότερο από διπλάσιο των δύο βάσεων και προπορευόμενο σε κάθε γενικού σκοπού LLM που δοκίμασε.

Σε εσωτερικές δοκιμές ροής υπό ίσες συνθήκες ταυτόχρονης εκτέλεσης και υλικού, η Cohere μέτρησε έως και 1.4 φορές μεγαλύτερη απόδοση εξόδου από το Gemma 4 31B TP1: 112 έναντι 81 tokens εξόδου ανά δευτερόλεπτο σε χαμηλή ταυτόχρονη εκτέλεση και 39 έναντι 30 σε υψηλή, κάτι που η εταιρεία εκτιμά ως 30‑38 percent περισσότερα tokens παραγόμενα ανά δευτερόλεπτο.

Για επιχειρήσεις που αξιολογούν εμπορικές άδειες, η Cohere ανέφερε σκορ 80.1 με κόστος $0.000676 ανά εργασία χρησιμοποιώντας κατά μέσο όρο 661 tokens. Η εταιρεία ανέφερε το Gemini 3.1 Pro Preview (high) στα $0.038928 ανά εργασία, δηλώνοντας αύξηση 5,762 percent, και το Qwen 3.5 397B A17B και το δικό της Command A+ στα $0.004525 και $0.005158 ανά εργασία, χρησιμοποιώντας τιμολόγηση ανά token ή ανά χαρακτήρα από τις ιστοσελίδες των παρόχων μοντέλων.

Αρχιτεκτονική και Κάλυψη Γλωσσών

Η κάρτα μοντέλου περιγράφει το North Small Translate ως έναν αποκλειστικά αποκωδικοποιητή σπάνιο μοντέλο μίξης ειδικών Transformer με 128 ειδικούς, εκ των οποίων οκτώ ενεργοποιούνται ανά token, μαζί με κοινόχρηστους ειδικούς που εφαρμόζονται σε κάθε token. Τα στρώματα προσοχής εναλλάσσουν προσοχή κυλιόμενου παραθύρου (μέγεθος παραθύρου 4096, με χρήση Rotary Positional Embeddings) με παγκόσμια στρώματα προσοχής χωρίς ενσωματωμένες θέσεις σε λόγο 3:1, μια σχεδίαση που εισήχθη πρώτη φορά στο Command A. Ο δρομολογητής εφαρμόζει ενεργοποίηση sigmoid στα λογίτσα των ειδικών και κανονικοποιεί τα επιλεγμένα top‑k. Το μοντέλο εκπαιδεύτηκε μεταγενέστερα ειδικά για ποιότητα μετάφρασης.

Ενώ η ανακοίνωση περιγράφει υποστήριξη για περισσότερες από 50 γλώσσες, η κάρτα μοντέλου απαριθμεί ακριβώς 50, συμπεριλαμβανομένων των Αγγλικών, Αραβικών, Γαλλικών, Γερμανικών, Χίντι, Ιαπωνικών, Κορεατικών, Ρωσικών, Ουκρανικών, Βιετναμέζικων, καθώς και Απλοποιημένων και Παραδοσιακών Κινέζικων. Η τεκμηρίωση της Cohere περιγράφει την κάλυψη ως Αγγλικά συν περισσότερες από 50 παραλλαγές γλώσσας και τοπικών ρυθμίσεων, ονομάζει τα Μοντέρνα Τυπικά Αραβικά, Γερμανικά, Γαλλικά, Ιαπωνικά, Κορεατικά, Ρωσικά και Ουκρανικά ως γλώσσες πρώτης τάξης, και παραθέτει τοπικές παραλλαγές όπως Αιγυπτιακά, Μοντέρνα Τυπικά και Σαουδικά Αραβικά, Πορτογαλικά της Πορτογαλίας, Κυριλλικά Σέρβικα και Νορβηγικά Bokmål.

Αδειοδότηση, Πρόσβαση και Συνεργασία με την RWS

Τα βάρη ελέγχονται στο Hugging Face: οι λήπτες πρέπει να συμφωνήσουν να μοιραστούν τα στοιχεία επικοινωνίας τους, και η χρήση διέπεται από την άδεια CC BY‑NC 4.0 μαζί με την Πολιτική Αποδεκτής Χρήσης της Cohere Labs. Διατίθενται τρεις παραλλαγές ποσοτικοποίησης: BF16 (τέσσερις B200 ή οκτώ H100 GPUs), FP8 (δύο B200 ή τέσσερα H100), και NVFP4 W4A16 (μία B200 ή δύο H100), που η κάρτα μοντέλου δηλώνει ότι είναι τα σημεία ελέγχου που η Cohere παρέχει σε παραγωγή. Ένα φιλοξενούμενο Hugging Face Space προσφέρει μια επίδειξη του μοντέλου.

Το μοντέλο παρέχεται επίσης στη δωρεάν επίπεδο API της Cohere μέσω του Chat V2 API με το αναγνωριστικό μοντέλου north-small-translate-1-0, δωρεάν μέχρι να φτάσουν τα όρια ταχύτητας, με εμπορική αδειοδότηση και ανάπτυξη διαθέσιμη μέσω του Model Vault της Cohere με προτεινόμενο υλικό δύο H100 GPUs ή μία B200. Η τεκμηρίωση της Cohere παραθέτει περιπτώσεις χρήσης όπως διαχείριση γνώσης, τεκμηρίωση ασφαλείας και λειτουργιών, εσωτερική επικοινωνία, καθώς και τοπική προσαρμογή και υποστήριξη πελατών.

Η Cohere δήλωσε ότι το North Small Translate αναπτύχθηκε σε συνεργασία με την RWS, μια εταιρεία λύσεων AI στην τεχνολογία και τις υπηρεσίες γλώσσας, των οποίων οι ομάδες έρευνας και επιστήμης Language Weaver και οι ειδικοί γλώσσας συνέβαλαν στη διαμόρφωση της πραγματικής απόδοσης μετάφρασης του μοντέλου καθ’ όλη τη διάρκεια της ανάπτυξης. Η εταιρεία αναφέρει ότι η RWS συνεργάζεται με πάνω από το 80 % των κορυφαίων 100 εμπορικών σημάτων παγκοσμίως, και ότι οι επιχειρήσεις που χρειάζονται μια αφιερωμένη πλατφόρμα μετάφρασης και τοπικής προσαρμογής μπορούν να έχουν πρόσβαση στο μοντέλο μέσω του προϊόντος Language Weaver της RWS.

Σύμφωνα με την αναφορά της συνεργασίας της 1 Ιουνίου 2026, η Cohere ζήτησε από την RWS να δοκιμάσει το Command A Translate τον Ιούλιο 2025, και μέχρι τον Σεπτέμβριο 2025 οι δύο ομάδες είχαν ξεκινήσει εργασία σε ένα εξειδικευμένο μοντέλο μετάφρασης που το άρθρο ανέφερε ότι ενίσχυσε το Language Weaver Pro της RWS. Η Cohere ανέφερε ότι το Language Weaver Pro πέτυχε 55 percent συνολικές νίκες σε επίπεδο προτάσεων έναντι του DeepL NextGen σε ανθρώπινες αξιολογήσεις και υπερέβη τους ανταγωνιστές σε αυτοματοποιημένα benchmarks σε 31 από τις 32 γλώσσες που χρησιμοποιούνται ευρέως σε επιχειρηματικούς τομείς. Ο Διευθύνων Σύμβουλος της RWS, Ben Faes, περιέγραψε το μοντέλο πίσω από το Language Weaver Pro ως τον εγκέφαλο του προϊόντος.