Cohere lanserer åpen‑vektet 218 milliarder blandings‑ekspert‑maskinoversettelsesmodell

Cohere slapp ut North Small Translate den 10. september 2026, en åpen‑vektet blandings‑ekspert‑maskinoversettelsesmodell med 218 milliarder totale parametere og 25 milliarder aktive parametere, lisensiert for forskning og ikke‑kommersielt bruk under CC BY-NC 4.0.

Cohere beskrev North Small Translate som sin første oversettelsesmodell i North‑modellfamilien, bygget på en flerspråklig og oversettelseslinje som strekker seg fra Tiny Aya‑modellfamilien gjennom Command A Translate. Modellen er kun tekst i begge retninger, med en inndata‑kontekst på 16 K‑token og en utdata‑grense på 16 K‑token, og Cohere oppgir støtte for mer enn 50 språk. Minimum maskinvare er én B200‑GPU eller to H100‑GPUer ved W4A4‑kvantisering.

Cohere‑rapporterte benchmark‑resultater, gjennomstrømning og kostnad

Cohere rapporterte en WMT26‑score for alle språk på 83,60 for North Small Translate, som steg til 84,36 for en agentisk flerpass‑variant som selskapet hevder kan finne og rette feil i oversettelsen. I Cohere‑evalueringen, som brukte GPT‑5.6‑Sol som dommer, oppnådde Qwen 3.5 397B A17B 81,56, DeepL NextGen 81,37, Gemma 4 31B (on) 79,46, GLM 5.2 FP8 76,50 og Google Translate 68,20.

WMT‑benchmarken vurderer de generelle evnene til maskinoversettelsessystemer på tvers av et bredt spekter av språk, domener, sjangre og modaliteter, og dens poenggivningsmetode betrakter scorer fra 80 til 100 som perfekte eller kun med mindre feil. Cohere beskrev North Small Translate som den best‑presterende dedikerte maskinoversettelsesmodellen i evalueringen, både åpen og lukket, i gjennomsnitt på tvers av alle språk, og hevdet at den presterer sterkt på 32 ressursrike språk og ytterligere 18 språk.

På regionalt nivå rapporterte Cohere at modellen slo Gemma 4 31B (on) i Europa, 82,2 mot 73,9, mens den var omtrent lik i Sør‑Asia, 86,2 mot 86,7. Cohere sa at begge versjoner også overgikk DeepL NextGen i alle ikke‑europeiske regioner som ble testet: med omtrent 8 til 10 poeng i Sør‑Asia og MENA, ca. 4 til 5 poeng i Sør‑øst‑Asia, og 1 til 3 poeng i Øst‑Asia, hvor standardmodellen nærmet seg DeepL‑scoren på 85,41.

I Cohere‑s lang‑kontekst‑evaluering, som måler hvor godt en modell oversetter to kapitler av en bok i ett enkelt kall med per‑avsnitt‑kvalitet vurdert gjennom xComet‑XL, oppnådde North Small Translate 48,9 mot 21,3 for Google Translate og 19,4 for Gemma 4 31B. Cohere beskrev dette resultatet som mer enn dobbelt så høyt som begge baselines og foran alle generelle LLM‑er den testet.

I intern gjennomstrømnings‑testing under identiske samtidighetsnivåer og maskinvarekonfigurasjoner målte Cohere opptil 1,4 ganger høyere utdata‑gjennomstrømning enn Gemma 4 31B TP1: 112 versus 81 token per sekund ved lav samtidighet og 39 versus 30 ved høy samtidighet, noe selskapet anslår til 30 til 38 prosent flere token generert per sekund.

For virksomheter som vurderer kommersielle lisenser, rapporterte Cohere en score på 80,1 ved $0,000676 per oppgave med i gjennomsnitt 661 token. Selskapet oppga Gemini 3.1 Pro Preview (high) til $0,038928 per oppgave, angitt som 5 762 prosent mer, samt Qwen 3.5 397B A17B og sin egen Command A+ til $0,004525 og $0,005158 per oppgave, med pris per token eller per tegn fra modelltilbydernes nettsteder.

Arkitektur og språkdekning

Modellkortet beskriver North Small Translate som en kun‑dekoder, sparsom blandings‑ekspert‑Transformer med 128 eksperter, hvorav åtte aktiveres per token, i tillegg til delte eksperter som brukes på hver token. Oppmerksomhetslagene veksler mellom glidende‑vindu‑oppmerksomhet (vindu‑størrelse 4096, med Rotary Positional Embeddings) og globale oppmerksomhetslag uten posisjonelle innbygginger i et 3:1‑forhold, et design som først ble introdusert i Command A. Ruteren bruker en sigmoid‑aktivering på ekspert‑logittene og normaliserer over de valgte top‑k. Modellen ble etter‑trent spesifikt for oversettelses‑kvalitet.

Der kunngjøringen beskriver støtte for mer enn 50 språk, oppgir modellkortet nøyaktig 50, inkludert engelsk, arabisk, fransk, tysk, hindi, japansk, koreansk, russisk, ukrainsk, vietnamesisk, samt forenklet og tradisjonell kinesisk. Cohere‑s dokumentasjon beskriver dekningen som engelsk pluss mer enn 50 språk‑ og lokalkode‑varianter, navngir Modern Standard Arabic, tysk, fransk, japansk, koreansk, russisk og ukrainsk som tier‑en språk, og lister opp lokalkode‑varianter som egyptisk, moderne standard og Saudi‑arabisk, portugisisk fra Portugal, kyrillisk serbisk og norsk bokmål.

Lisensiering, tilgang og RWS‑partnerskapet

Vektene er begrenset på Hugging Face: nedlastere må godta å dele kontaktinformasjonen sin, og bruken reguleres av CC BY-NC 4.0‑lisensen sammen med Cohere Labs’ akseptable bruks‑policy. Tre kvantisering‑varianter er tilgjengelige: BF16 (fire B200‑ eller åtte H100‑GPUer), FP8 (to B200‑ eller fire H100‑GPUer) og NVFP4 W4A16 (én B200‑ eller to H100‑GPUer), som modellkortet angir er de sjekkpunktene Cohere leverer i produksjon. En hostet Hugging Face‑Space tilbyr en demo av modellen.

Modellen leveres også via Cohere‑s gratis API‑nivå gjennom Chat V2‑APIet under modell‑ID‑en north-small-translate-1-0, gratis inntil takene for forespørsler nås, med kommersiell lisensiering og distribusjon tilgjengelig via Cohere‑s Model Vault med foreslått maskinvare på to H100‑GPUer eller én B200. Cohere‑s dokumentasjon lister opp brukstilfeller som kunnskapsforvaltning, sikkerhets‑ og driftsdokumentasjon, intern kommunikasjon samt lokalisering og kundestøtte.

Cohere sa at North Small Translate ble utviklet i partnerskap med RWS, et AI‑løsningsfirma innen språk‑teknologi og tjenester, hvor Language Weaver‑forsknings‑ og vitenskapsteam samt språk‑eksperter bidro til å forme modellens oversettelses‑ytelse i virkelige situasjoner gjennom utviklingen. Selskapet oppgir at RWS samarbeider med mer enn 80 prosent av verdens 100 største merkevarer, og at virksomheter som trenger en dedikert oversettelses‑ og lokalisering‑plattform kan få tilgang til modellen via RWS‑s Language Weaver‑produkt.

Ifølge Cohere‑s konto fra 1. juni 2026 om samarbeidet, ba Cohere RWS teste Command A Translate i juli 2025, og innen september 2025 hadde de to teamene begynt å jobbe med en spesialisert oversettelsesmodell som innlegget hevdet ga kraft til RWS‑s Language Weaver Pro. Cohere rapporterte at Language Weaver Pro oppnådde 55 prosent totale setnings‑nivå‑gevinster mot DeepL NextGen i menneskelige evalueringer og overgikk konkurrenter i automatiserte benchmark‑tester i 31 av 32 språk som ofte brukes i bedrifts‑domener. RWS‑administrerende direktør Ben Faes beskrev modellen bak Language Weaver Pro som hjernen bak produktet.