AI-modellen en platforms
Cohere introduceert open-weight 218B Mixture-of-Experts machinevertalingsmodel
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Cohere bracht North Small Translate uit op 10 september 2026, een open-weight mixture-of-experts machinevertaling model met 218 miljard totale parameters en 25 miljard actieve parameters, gelicentieerd voor onderzoek en niet‑commercieel gebruik onder CC BY-NC 4.0.
Cohere beschreef North Small Translate als zijn eerste vertaalmodel in de North‑modelfamilie, voortbouwend op een meertalige en vertaalreeks die loopt van de Tiny Aya‑modelfamilie tot Command A Translate. Het model werkt alleen met tekst in beide richtingen, met een invoercontext van 16 K‑tokens en een uitvoerlimiet van 16 K‑tokens, en Cohere geeft aan ondersteuning te bieden voor meer dan 50 talen. Minimale hardware is één B200‑GPU of twee H100‑GPU’s bij W4A4‑kwantisatie.
Cohere‑gerapporteerde benchmarks, doorvoersnelheid en kosten
Cohere rapporteerde een WMT26-score voor alle talen van 83,60 voor North Small Translate, stijgend naar 84,36 voor een agentische multi‑pass‑variant die het bedrijf zegt fouten in vertalingen te kunnen vinden en corrigeren. In Cohere’s evaluatie, die GPT‑5.6‑Sol als beoordelaar gebruikte, scoorde Qwen 3.5 397B A17B 81,56, DeepL NextGen 81,37, Gemma 4 31B (on) 79,46, GLM 5.2 FP8 76,50 en Google Translate 68,20.
De WMT‑benchmark evalueert de algemene mogelijkheden van machinevertalingssystemen over een breed scala aan talen, domeinen, genres en modaliteiten, en de scoremethodologie beschouwt scores van 80 tot 100 als perfect of met slechts geringe fouten. Cohere beschreef North Small Translate als het best presterende dedicated machinevertalingsmodel in de evaluatie, open of gesloten, gemiddeld over alle talen, en stelde dat het sterk presteert over 32 high‑resource‑talen en 18 extra talen.
Op regionaal niveau rapporteerde Cohere dat het model Gemma 4 31B (on) in Europa versloeg, 82,2 tegen 73,9, terwijl het in Zuid‑Azie praktisch gelijk liep, 86,2 tegen 86,7. Cohere zei dat beide versies ook DeepL NextGen overtroffen in elke niet‑Europese regio die getest werd: ongeveer 8 tot 10 punten in Zuid‑Azie en MENA, ongeveer 4 tot 5 punten in Zuidoost‑Azie, en 1 tot 3 punten in Oost‑Azie, waar het standaardmodel de 85,41‑score van DeepL benaderde.
In Cohere’s long‑context‑evaluatie, die meet hoe goed een model twee hoofdstukken van een boek in één oproep vertaalt met per‑paragraaf kwaliteit beoordeeld via xComet‑XL, scoorde North Small Translate 48,9 tegenover 21,3 voor Google Translate en 19,4 voor Gemma 4 31B. Cohere beschreef dit resultaat als meer dan het dubbele van beide baselines en beter dan elk algemeen doel‑LLM dat getest werd.
In interne doorvoertests onder identieke gelijktijdigheidsniveaus en hardware‑configuraties meette Cohere een tot 1,4‑maal hogere output‑doorvoersnelheid dan Gemma 4 31B TP1: 112 versus 81 output‑tokens per seconde bij lage gelijktijdigheid en 39 versus 30 bij hoge gelijktijdigheid, wat het bedrijf omschreef als 30 tot 38 procent meer tokens per seconde.
Voor bedrijven die commerciële licenties evalueren rapporteerde Cohere een score van 80,1 tegen $0,000676 per taak met gemiddeld 661 tokens. Het bedrijf vermeldde Gemini 3.1 Pro Preview (high) tegen $0,038928 per taak, wat 5.762 procent meer is, en Qwen 3.5 397B A17B en haar eigen Command A+ tegen $0,004525 respectievelijk $0,005158 per taak, met per‑token‑ of per‑karakter‑prijzen van de websites van modelproviders.
Architectuur en taalondersteuning
De modelcard beschrijft North Small Translate als een decoder‑only sparse mixture‑of‑experts Transformer met 128 experts, waarvan er acht per token geactiveerd worden, naast gedeelde experts die op elk token worden toegepast. Attentielaagen combineren sliding‑window‑attention (venstergrootte 4096, met Rotary Positional Embeddings) met globale attentielaagen zonder positionele embeddings in een 3:1‑verhouding, een ontwerp dat voor het eerst werd geïntroduceerd in Command A. De router past een sigmoid‑activatie toe op de expert‑logits en normaliseert over de geselecteerde top‑k. Het model is specifiek post‑getraind voor vertaalkwaliteit.
Waar de aankondiging spreekt van ondersteuning voor meer dan 50 talen, somt de modelcard exact 50 op, waaronder Engels, Arabisch, Frans, Duits, Hindi, Japans, Koreaans, Russisch, Oekraïens, Vietnamees en Vereenvoudigd en Traditioneel Chinees. Cohere’s documentatie beschrijft de dekking als Engels plus meer dan 50 taal‑ en locale‑varianten, benoemt Modern Standaard Arabisch, Duits, Frans, Japans, Koreaans, Russisch en Oekraïens als tier‑one‑talen, en geeft locale‑varianten zoals Egyptisch, Modern Standaard en Saoedisch Arabisch, Portugees (Portugal), Cyrillisch Servisch en Noors Bokmål.
Licenties, toegang en het RWS‑partnerschap
De gewichten zijn afgeschermd op Hugging Face: downloaders moeten akkoord gaan met het delen van hun contactinformatie, en het gebruik wordt beheerst door de CC BY‑NC 4.0‑licentie samen met Cohere Labs’ Acceptable Use Policy. Drie kwantisatie‑varianten zijn beschikbaar: BF16 (vier B200‑ of acht H100‑GPU’s), FP8 (twee B200‑ of vier H100‑GPU’s) en NVFP4 W4A16 (één B200‑ of twee H100‑GPU’s), die volgens de modelcard de checkpoints zijn die Cohere in productie aanbiedt. Een gehoste Hugging Face Space biedt een demo van het model.
Het model wordt ook aangeboden via Cohere’s gratis API‑tier via de Chat V2‑API onder model‑ID north-small-translate-1-0, gratis tot de snelheidslimieten zijn bereikt, met commerciële licenties en implementatie beschikbaar via Cohere’s Model Vault met aanbevolen hardware van twee H100‑GPU’s of één B200. Cohere’s documentatie somt use‑cases op, waaronder kennisbeheer, veiligheids‑ en operationele documentatie, interne communicatie, en lokalisatie en klantenondersteuning.
Cohere meldde dat North Small Translate is ontwikkeld in samenwerking met RWS, een AI‑oplossingsbedrijf op het gebied van taaltechnologie en -diensten, waarvan de Language Weaver‑onderzoeks‑ en wetenschapsteams en taalkundige experts de real‑world vertaalprestaties van het model gedurende de ontwikkeling hebben vormgegeven. Het bedrijf stelt dat RWS samenwerkt met meer dan 80 procent van de 100 grootste merken wereldwijd, en dat bedrijven die een dedicated vertaal‑ en lokalisatieplatform nodig hebben, toegang kunnen krijgen tot het model via RWS’s Language Weaver‑product.
Volgens Cohere’s verslag van 1 juni 2026 over de samenwerking vroeg Cohere RWS in juli 2025 om Command A Translate te testen, en tegen september 2025 waren de twee teams begonnen met een gespecialiseerd vertaalmodel waarvan in het bericht werd gesteld dat het RWS’s Language Weaver Pro van kracht maakte. Cohere meldde dat Language Weaver Pro 55 procent van de algehele zin‑niveau winsten behaalde ten opzichte van DeepL NextGen in menselijke evaluaties en dat het concurreerde in geautomatiseerde benchmarks in 31 van de 32 talen die vaak worden gebruikt in bedrijfsdomeinen. RWS‑CEO Ben Faes beschreef het model achter Language Weaver Pro als het brein achter het product.
