Cohere wprowadza otwarto‑ważowy model tłumaczenia maszynowego 218 mld Mixture‑of‑Experts

Cohere wydało North Small Translate 10 września 2026 r., otwarto‑ważowy tłumaczenie maszynowe model z 218 miliardami parametrów łącznie i 25 miliardami aktywnych parametrów, udostępniony na licencji CC BY-NC 4.0 do badań i użytku niekomercyjnego.

Cohere opisało North Small Translate jako swój pierwszy model tłumaczeniowy w rodzinie modeli North, opierający się na wielojęzycznej linii tłumaczeń, sięgającej rodziny modeli Tiny Aya aż po Command A Translate. Model obsługuje wyłącznie tekst w obu kierunkach, posiada kontekst wejściowy 16 K tokenów oraz limit wyjścia 16 K tokenów, a Cohere podaje wsparcie dla ponad 50 języków. Minimalny sprzęt to jeden GPU B200 lub dwa GPU H100 przy kwantyzacji W4A4.

Benchmarki, przepustowość i koszt podane przez Cohere

Cohere podało wynik WMT26 we wszystkich językach na poziomie 83,60 dla North Small Translate, rosnący do 84,36 dla wariantu agentowego wieloprzebiegowego, który firma twierdzi, że potrafi wykrywać i naprawiać błędy w tłumaczeniu. W ocenie Cohere, w której sędzią był GPT‑5.6‑Sol, Qwen 3.5 397B A17B uzyskało 81,56, DeepL NextGen 81,37, Gemma 4 31B (on) 79,46, GLM 5.2 FP8 76,50 oraz Google Translate 68,20.

Benchmark WMT ocenia ogólne możliwości systemów tłumaczenia maszynowego w szerokim zakresie języków, dziedzin, gatunków i modalności, a jego metoda punktacji traktuje wyniki od 80 do 100 jako doskonałe lub zawierające jedynie drobne błędy. Cohere opisało North Small Translate jako najlepiej wypadający dedykowany model tłumaczenia maszynowego w tej ocenie, otwarty lub zamknięty, średnio we wszystkich językach, i stwierdziło, że osiąga silne wyniki w 32 językach o dużych zasobach oraz w dodatkowych 18 językach.

Na poziomie regionalnym Cohere podało, że model przewyższa Gemma 4 31B (on) w Europie (82,2 vs 73,9), podczas gdy w Azji Południowej wyniki są praktycznie równe (86,2 vs 86,7). Cohere stwierdziło, że obie wersje także przewyższają DeepL NextGen we wszystkich testowanych regionach spoza Europy: o około 8‑10 punktów w Azji Południowej i MENA, około 4‑5 punktów w Azji Południowo‑Wschodniej oraz 1‑3 punkty w Azji Wschodniej, gdzie standardowy model zbliża się do wyniku 85,41 DeepL.

W długokontekstowej ocenie Cohere, mierzącej, jak dobrze model tłumaczy dwa rozdziały książki w jednym wywołaniu przy ocenie jakości per‑paragrafowej przy użyciu xComet‑XL, North Small Translate uzyskało 48,9 w porównaniu z 21,3 dla Google Translate i 19,4 dla Gemma 4 31B. Cohere opisało ten wynik jako ponad dwukrotny w stosunku do obu bazowych modeli i wyprzedzający wszystkie testowane modele LLM o ogólnym przeznaczeniu.

W wewnętrznych testach przepustowości przy identycznych poziomach równoległości i konfiguracjach sprzętowych Cohere zmierzyło do 1,4‑krotnie wyższą wydajność wyjściową niż Gemma 4 31B TP1: 112 vs 81 tokenów wyjściowych na sekundę przy niskiej równoległości oraz 39 vs 30 przy wysokiej, co firma oszacowała na 30‑38 % więcej generowanych tokenów na sekundę.

Dla przedsiębiorstw oceniających licencje komercyjne Cohere podało wynik 80,1 przy koszcie 0,000676 $ za zadanie przy średniej liczbie 661 tokenów. Firma wymieniła Gemini 3.1 Pro Preview (wysoki) w cenie 0,038928 $ za zadanie, co stanowi 5 762 % więcej, oraz Qwen 3.5 397B A17B i własny Command A+ w cenach 0,004525 $ i 0,005158 $ za zadanie, korzystając z cen za token lub znak podanych na stronach dostawców modeli.

Architektura i zakres językowy

Karta modelu opisuje North Small Translate jako transformera typu mixture‑of‑experts, działającego wyłącznie jako dekoder, z 128 ekspertami, z których osiem aktywuje się na token, oraz współdzielonymi ekspertami stosowanymi do każdego tokenu. Warstwy uwagi przeplatają uwagę okna przesuwnego (rozmiar okna 4096, z użyciem Rotary Positional Embeddings) z globalną uwagą bez osadzeń pozycyjnych w stosunku 3:1, co po raz pierwszy wprowadzono w Command A. Router stosuje aktywację sigmoidalną na logitach ekspertów i normalizuje wybrane top‑k. Model został dodatkowo wytrenowany specjalnie pod kątem jakości tłumaczenia.

Choć zapowiedź mówi o wsparciu ponad 50 języków, karta modelu wymienia dokładnie 50, w tym angielski, arabski, francuski, niemiecki, hindi, japoński, koreański, rosyjski, ukraiński, wietnamski oraz chiński uproszczony i tradycyjny. Dokumentacja Cohere opisuje zakres jako angielski plus ponad 50 wariantów językowych i regionalnych, wymienia nowoczesny język arabski, niemiecki, francuski, japoński, koreański, rosyjski i ukraiński jako języki pierwszego poziomu oraz podaje warianty regionalne, takie jak arabski egipski, nowoczesny arabski i arabski saudyjski, portugalski z Portugalii, serbski cyrylicą oraz norweski bokmål.

Licencjonowanie, dostęp i partnerstwo z RWS

Dostęp do wag na Hugging Face jest kontrolowany: pobierający muszą zgodzić się na udostępnienie danych kontaktowych, a użycie podlega licencji CC BY-NC 4.0 oraz zasadom dopuszczalnego użytkowania Cohere Labs. Dostępne są trzy warianty kwantyzacji: BF16 (cztery GPU B200 lub osiem H100), FP8 (dwa B200 lub cztery H100) i NVFP4 W4A16 (jeden B200 lub dwa H100). Karta modelu podaje, że są to punkty kontrolne używane przez Cohere w produkcji. Hostowany Space na Hugging Face udostępnia demonstrację modelu.

Model jest również dostępny w bezpłatnej warstwie API Cohere za pośrednictwem Chat V2 API pod identyfikatorem north-small-translate-1-0. Korzystanie jest bezpłatne do osiągnięcia limitów zapytań, natomiast licencje komercyjne i wdrożenie oferuje Model Vault firmy Cohere; sugerowany sprzęt to dwa GPU H100 lub jeden B200. Dokumentacja Cohere wymienia między innymi zarządzanie wiedzą, dokumentację bezpieczeństwa i operacji, komunikację wewnętrzną oraz lokalizację i obsługę klienta.

Cohere oświadczyło, że North Small Translate został opracowany we współpracy z RWS, firmą oferującą rozwiązania AI w technologii językowej i usługach, której zespoły badawcze i naukowe Language Weaver oraz eksperci językowi pomogli kształtować rzeczywistą wydajność tłumaczeniową modelu w trakcie jego rozwoju. Firma podaje, że RWS współpracuje z ponad 80 % światowych top 100 marek, a przedsiębiorstwa potrzebujące dedykowanej platformy tłumaczeniowej i lokalizacyjnej mogą uzyskać dostęp do modelu poprzez produkt Language Weaver firmy RWS.

Według relacji Cohere z 1 czerwca 2026 o współpracy, Cohere poprosiło RWS o przetestowanie Command A Translate w lipcu 2025, a do września 2025 dwa zespoły rozpoczęły prace nad specjalistycznym modelem tłumaczeniowym, który, jak podano w poście, zasilił Language Weaver Pro firmy RWS. Cohere podało, że Language Weaver Pro osiągnął 55 % zwycięstw na poziomie zdań w porównaniu z DeepL NextGen w ocenach ludzkich oraz przewyższył konkurentów w automatycznych benchmarkach w 31 z 32 języków powszechnie używanych w sektorze przedsiębiorstw. CEO RWS Ben Faes opisał model stojący za Language Weaver Pro jako „mózg” produktu.