Cohere Luncurkan Model Terjemahan Mesin Mixture-of-Experts Open-Weight 218B

Cohere merilis North Small Translate pada 10 September 2026, sebuah model terjemahan mesin open-weight mixture-of-experts dengan total 218 miliar parameter dan 25 miliar parameter aktif, dilisensikan untuk penelitian dan penggunaan non-komersial di bawah CC BY-NC 4.0.

Cohere menggambarkan North Small Translate sebagai model terjemahan pertamanya dalam keluarga model North, yang dibangun di atas warisan multibahasa dan terjemahan yang dimulai dari keluarga model Tiny Aya hingga Command A Translate. Model ini hanya berbasis teks dalam kedua arah, dengan konteks masukan 16K token dan batas keluaran 16K token, dan Cohere menyatakan mendukung lebih dari 50 bahasa. Perangkat keras minimum yang dibutuhkan adalah satu GPU B200 atau dua GPU H100 dengan kuantisasi W4A4.

Benchmark, Throughput, dan Biaya yang Dilaporkan Cohere

Cohere melaporkan skor semua bahasa WMT26 sebesar 83,60 untuk North Small Translate, naik menjadi 84,36 untuk varian multi-pass agenik yang diklaim perusahaan dapat menemukan dan memperbaiki kesalahan terjemahan. Dalam evaluasi Cohere, yang menggunakan GPT-5.6-Sol sebagai penilai, Qwen 3.5 397B A17B memperoleh skor 81,56, DeepL NextGen 81,37, Gemma 4 31B (on) 79,46, GLM 5.2 FP8 76,50, dan Google Translate 68,20.

Benchmark WMT menilai kemampuan umum sistem terjemahan mesin pada beragam bahasa, domain, genre, dan modus, dan metodologi penilaiannya menganggap skor 80 hingga 100 sebagai sempurna atau hanya mengandung kesalahan kecil. Cohere menggambarkan North Small Translate sebagai model terjemahan mesin khusus dengan kinerja terbaik dalam evaluasi tersebut, baik terbuka maupun tertutup, rata‑rata di semua bahasa, dan menyatakan bahwa model ini tampil kuat pada 32 bahasa ber sumber daya tinggi serta 18 bahasa tambahan.

Pada tingkat regional, Cohere melaporkan model ini mengalahkan Gemma 4 31B (on) di Eropa, 82,2 melawan 73,9, sementara hampir seimbang di Asia Selatan, 86,2 melawan 86,7. Cohere menyatakan bahwa kedua versi juga melampaui DeepL NextGen di setiap wilayah non‑Eropa yang diuji: sekitar 8 hingga 10 poin di Asia Selatan dan MENA, sekitar 4 hingga 5 poin di Asia Tenggara, dan 1 hingga 3 poin di Asia Timur, di mana model standar mendekati skor 85,41 milik DeepL.

Dalam evaluasi konteks‑panjang Cohere, yang mengukur seberapa baik model menerjemahkan dua bab buku dalam satu panggilan dengan kualitas per paragraf yang dinilai melalui xComet‑XL, North Small Translate mencetak 48,9 dibandingkan 21,3 untuk Google Translate dan 19,4 untuk Gemma 4 31B. Cohere menyebut hasil ini lebih dari dua kali lipat dari kedua baseline dan berada di depan semua LLM tujuan umum yang diuji.

Dalam pengujian throughput internal dengan tingkat konkurensi dan konfigurasi perangkat keras yang identik, Cohere mengukur throughput output hingga 1,4 kali lebih tinggi dibandingkan Gemma 4 31B TP1: 112 versus 81 token output per detik pada konkurensi rendah dan 39 versus 30 pada konkurensi tinggi, yang perusahaan nyatakan sebagai 30 hingga 38 persen lebih banyak token yang dihasilkan per detik.

Untuk perusahaan yang mengevaluasi lisensi komersial, Cohere melaporkan skor 80,1 dengan biaya $0,000676 per tugas menggunakan rata‑rata 661 token. Perusahaan mencantumkan Gemini 3.1 Pro Preview (high) dengan $0,038928 per tugas, dinyatakan 5,762 persen lebih tinggi, serta Qwen 3.5 397B A17B dan Command A+ milik mereka masing‑masing sebesar $0,004525 dan $0,005158 per tugas, menggunakan harga per token atau per karakter dari situs web penyedia model.

Arsitektur dan Cakupan Bahasa

Kartu model menjelaskan North Small Translate sebagai Transformer mixture-of-experts sparse hanya decoder dengan 128 ahli, di mana delapan diaktifkan per token, bersama dengan ahli bersama yang diterapkan pada setiap token. Lapisan perhatian menyelingi perhatian jendela‑geser (ukuran jendela 4096, menggunakan Rotary Positional Embeddings) dengan lapisan perhatian global tanpa embedding posisi dalam rasio 3:1, sebuah desain yang pertama kali diperkenalkan dalam Command A. Router menerapkan aktivasi sigmoid pada logit ahli dan menormalkan atas top‑k yang dipilih. Model ini dilatih lanjutan khusus untuk kualitas terjemahan.

Meskipun pengumuman menyebut dukungan lebih dari 50 bahasa, kartu model mencantumkan tepat 50 bahasa, termasuk Bahasa Inggris, Arab, Prancis, Jerman, Hindi, Jepang, Korea, Rusia, Ukraina, Vietnam, serta Cina Sederhana dan Tradisional. Dokumentasi Cohere menjelaskan cakupannya sebagai Bahasa Inggris plus lebih dari 50 varian bahasa dan locale, menyebut Modern Standard Arabic, Jerman, Prancis, Jepang, Korea, Rusia, dan Ukraina sebagai bahasa tingkat‑satu, serta mencantumkan varian locale seperti Arab Mesir, Modern Standard, dan Arab Saudi, Portugis Portugal, Serbia Cyrillic, dan Norwegia Bokmål.

Lisensi, Akses, dan Kemitraan dengan RWS

Bobot model dibatasi di Hugging Face: pengunduh harus menyetujui membagikan informasi kontak mereka, dan penggunaan diatur oleh lisensi CC BY-NC 4.0 bersama Kebijakan Penggunaan yang Dapat Diterima dari Cohere Labs. Tiga varian kuantisasi tersedia: BF16 (empat B200 atau delapan H100 GPU), FP8 (dua B200 atau empat H100), dan NVFP4 W4A16 (satu B200 atau dua H100), yang menurut kartu model merupakan checkpoint yang disajikan Cohere dalam produksi. Sebuah Hugging Face Space yang dihosting menyediakan demo model.

Model ini juga disajikan pada tingkatan gratis API Cohere melalui Chat V2 API dengan ID model north-small-translate-1-0, gratis hingga batas laju tercapai, dengan lisensi komersial dan penyebaran tersedia melalui Model Vault Cohere dengan perangkat keras yang disarankan dua H100 GPU atau satu B200. Dokumentasi Cohere mencantumkan kasus penggunaan termasuk manajemen pengetahuan, dokumentasi keselamatan dan operasi, komunikasi internal, serta lokalisasi dan dukungan pelanggan.

Cohere menyatakan bahwa North Small Translate dikembangkan bekerja sama dengan RWS, sebuah perusahaan solusi AI dalam teknologi bahasa dan layanan yang tim riset dan ilmu Language Weaver serta pakar bahasa membantu membentuk kinerja terjemahan model di dunia nyata selama pengembangan. Perusahaan menyebutkan bahwa RWS bekerja dengan lebih dari 80 persen dari 100 merek teratas dunia, dan bahwa perusahaan yang membutuhkan platform terjemahan dan lokalisasi khusus dapat mengakses model ini melalui produk Language Weaver milik RWS.

Menurut laporan kolaborasi Cohere tanggal 1 Juni 2026, Cohere meminta RWS menguji Command A Translate pada Juli 2025, dan pada September 2025 kedua tim mulai mengerjakan model terjemahan khusus yang dalam posting tersebut disebut menggerakkan Language Weaver Pro milik RWS. Cohere melaporkan bahwa Language Weaver Pro mencapai 55 persen kemenangan tingkat kalimat secara keseluruhan dibandingkan DeepL NextGen dalam evaluasi manusia dan mengungguli pesaing dalam benchmark otomatis pada 31 dari 32 bahasa yang umum digunakan di domain perusahaan. CEO RWS Ben Faes menggambarkan model di balik Language Weaver Pro sebagai otak di balik produk tersebut.