Cohere julkaisee avoin‑painoinen 218 B asiantuntijasekoituskonekäännösmalli

Cohere julkaisi North Small Translate 10. syyskuuta 2026, avoimen painon asiantuntijasekoitus konekäännös-mallin, jossa on yhteensä 218 miljardia parametria ja 25 miljardia aktiivista parametria, lisensoitu tutkimus- ja ei‑kaupalliseen käyttöön CC BY-NC 4.0 -lisenssin alaisena.

Cohere kuvaili North Small Translate -mallia ensimmäisenä käännösmallinaan North‑malliperheessä, joka perustuu monikieliseen ja käännösperintöön Tiny Aya -malliperheestä Command A Translate -malliin. Malli käsittelee pelkästään tekstiä molempiin suuntiin, sen syötteen konteksti on 16 000 tokenia ja lähtöraja on 16 000 tokenia, ja Cohere ilmoittaa tukevansa yli 50 kieltä. Vähimmäislaitteistona vaaditaan yksi B200‑GPU tai kaksi H100‑GPU:ta W4A4‑kvantisoinnissa.

Cohere‑raportoidut mittarit, läpimeno ja kustannus

Cohere raportoi WMT26 -kaikkikielisen pisteen 83,60 North Small Translate -mallille, joka nousi 84,36:een agenttisessa monivaiheisessa variantissa, jonka yrityksen mukaan pystyy löytämään ja korjaamaan käännösvirheitä. Cohere:n arvioinnissa, jossa tuomarina toimi GPT‑5.6‑Sol, Qwen 3.5 397B A17B sai 81,56 pistettä, DeepL NextGen 81,37, Gemma 4 31B (on) 79,46, GLM 5.2 FP8 76,50 ja Google Translate 68,20.

WMT‑vertailu arvioi konekäännösjärjestelmien yleisiä kykyjä laajalla kieli‑, toimialo‑, genre‑ ja modaliteettivalikoimalla, ja sen pisteytysmenetelmä pitää 80–100 pisteen arvoja täydellisinä tai vain vähäisvirheisinä. Cohere kuvaili North Small Translate -mallia parhaiten suoriutuvana omistettuna konekäännösmallina arvioinnissa, olipa se avoin tai suljettu, keskimäärin kaikkien kielten osalta, ja totesi sen vahvan suorituskyvyn 32 resurssirikkaassa kielessä sekä 18 lisäkielessä.

Alueellisella tasolla Cohere raportoi mallin voittaneen Gemma 4 31B (on) Euroopassa, 82,2 vs 73,9, kun taas Etelä-Aasiassa tulokset olivat käytännössä tasavertaiset, 86,2 vs 86,7. Cohere totesi, että molemmat versiot ylittivät myös DeepL NextGenin kaikissa ei‑eurooppalaisissa testatuissa alueissa: noin 8–10 pistettä Etelä-Aasiassa ja MENA-alueella, noin 4–5 pistettä Kaakkois-Aasiassa ja 1–3 pistettä Itä-Aasiassa, missä perusmalli lähestyi DeepL:n 85,41 pistettä.

Cohere:n pitkän kontekstin arvioinnissa, jossa mitataan kuinka hyvin malli kääntää kahden kirjan luvun yhdellä kutsulla ja lausekappalekohtainen laatu arvioidaan xComet‑XL:n avulla, North Small Translate saavutti 48,9 pistettä verrattuna Google Translateen 21,3 ja Gemma 4 31B:hen 19,4. Cohere kuvaili tätä tulosta yli kaksinkertaiseksi molempiin peruslukemiin verrattuna ja paremmaksi kuin kaikki testatut yleiskäyttöiset LLM‑mallit.

Sisäisissä läpimeno‑testauksissa, joissa käytettiin identtisiä samanaikaisuustasoja ja laitteistokokoonpanoja, Cohere mittasi jopa 1,4‑kerran suuremman lähtönopeuden kuin Gemma 4 31B TP1: 112 vs 81 tokenia sekunnissa matalassa samanaikaisuudessa ja 39 vs 30 tokenia sekunnissa korkeassa samanaikaisuudessa, mikä yrityksen mukaan vastaa 30–38 % enemmän tokenien tuotantoa sekunnissa.

Yrityksille, jotka arvioivat kaupallisia lisenssejä, Cohere raportoi 80,1‑pisteen tuloksen hintaan 0,000676 USD per tehtävä käyttäen keskimäärin 661 tokenia. Yritys listasi Gemini 3.1 Pro Preview (korkea) hintaan 0,038928 USD per tehtävä, mikä on 5 762 % enemmän, sekä Qwen 3.5 397B A17B:n ja oman Command A+ -mallinsa hintaan 0,004525 USD ja 0,005158 USD per tehtävä, käyttäen token‑ tai merkki‑perusteista hinnoittelua mallitoimittajien verkkosivuilta.

Arkkitehtuuri ja kielikattavuus

Mallikortti kuvaa North Small Translate -mallin dekooderi‑vain harvinaiseksi asiantuntijasekoitus‑Transformeriksi, jossa on 128 asiantuntijaa, joista kahdeksan aktivoituu per token, sekä jaettuja asiantuntijoita, joita käytetään jokaisessa tokenissa. Huomiokerrokset vuorottelevat liukuvan ikkunan huomion (ikkunan koko 4096, Rotary Positional Embeddings -menetelmällä) ja globaalin huomion kerroksia ilman paikallisia upotuksia suhteessa 3:1, mikä on suunnittelu, joka esiteltiin ensimmäisen kerran Command A:ssa. Reititin soveltaa sigmoid‑aktivointia asiantuntijalogiiteille ja normalisoi valitun top‑k:n yli. Malli on jälkikoulutettu erityisesti käännöslaadun parantamiseksi.

Vaikka julkistus mainitsee tuen yli 50 kielelle, mallikortti luettelee tarkalleen 50 kieltä, mukaan lukien englanti, arabia, ranska, saksa, hindi, japani, korea, venäjä, ukrainaa, vietnam, sekä yksinkertaistettu ja perinteinen kiina. Cohere:n dokumentaatio kuvaa kattavuutta englannin lisäksi yli 50 kieli‑ ja aluevarianttia, nimeää modernin standardiarabin, saksan, ranskan, japanin, korean, venäjän ja ukrainan ensiluokkaisiksi kieliksi, ja listaa aluevariaatioita kuten egyptiläinen, moderni standardi ja Saudi‑arabia, Portugalin portugali, kyrillinen serbia ja norjan bokmål.

Lisensointi, pääsy ja RWS‑kumppanuus

Painot on rajoitettu Hugging Face -alustalla: lataajien on hyväksyttävä jakavansa yhteystietonsa, ja käyttöä säätelee CC BY-NC 4.0 -lisenssi yhdessä Cohere Labs:n hyväksyttävän käyttöpolitiikan kanssa. Saatavilla on kolme kvantisointivarianttia: BF16 (neljä B200‑ tai kahdeksan H100‑GPU:ta), FP8 (kaksi B200‑ tai neljä H100‑GPU:ta) ja NVFP4 W4A16 (yksi B200‑ tai kaksi H100‑GPU:ta), joiden mukaan mallikortti kertoo, että nämä ovat tuotannossa käytettävät tarkistuspisteet. Isännöity Hugging Face Space tarjoaa mallin demoversion.

Malli on myös saatavilla Cohere:n API:n ilmaisessa tasossa Chat V2 API:n kautta mallin ID:llä north-small-translate-1-0, ilmaiseksi kunnes nopeusrajoitukset täyttyvät, ja kaupallinen lisensointi sekä käyttöönotto ovat saatavilla Cohere:n Model Vaultin kautta suositellulla laitteistolla, kaksi H100‑GPU:ta tai yksi B200. Cohere:n dokumentaatio luettelee käyttötapauksia, kuten tiedonhallinta, turvallisuus‑ ja operaatiosuunnitelmien dokumentointi, sisäinen viestintä sekä lokalisointi ja asiakastuki.

Cohere kertoi, että North Small Translate on kehitetty yhteistyössä RWS:n kanssa, joka on kieliteknologian ja -palveluiden AI‑ratkaisuyritys, jonka Language Weaver -tutkimus- ja tiedetiimit sekä kieliasiantuntijat auttoivat muokkaamaan mallin todellisen käännös suorituskyvyn kehityksen aikana. Yritys toteaa, että RWS työskentelee yli 80 % maailman 100 suurimmasta brändistä, ja että yritykset, jotka tarvitsevat omistautuneen käännös‑ ja lokalisointialustan, voivat käyttää mallia RWS:n Language Weaver -tuotteen kautta.

Cohere:n 1. kesäkuuta 2026 julkaistun yhteistyöselostuksen mukaan Cohere pyysi RWS:ää testaamaan Command A Translatea heinäkuussa 2025, ja syyskuuhun 2025 mennessä kaksi tiimiä olivat aloittaneet työn erikoistuneen käännösmallin parissa, jonka artikkeli kertoi antaneen voiman RWS:n Language Weaver Pro:lle. Cohere raportoi, että Language Weaver Pro saavutti 55 %:n kokonaislausevoiton DeepL NextGeniä vastaan ihmisevaluoinneissa ja ylitti kilpailijat automatisoiduissa vertailuissa 31:stä 32:sta yrityskäytössä yleisesti käytetystä kielestä. RWS:n toimitusjohtaja Ben Faes kuvaili Language Weaver Pro:n takana olevaa mallia tuotteen aivoina.