Cohere lansează modelul de traducere automată cu greutate deschisă de 218 miliarde de parametri tip Mixture‑of‑Experts

Cohere a lansat North Small Translate pe 10 septembrie 2026, un model de traducere automată cu greutate deschisă și arhitectură mixture‑of‑experts, cu 218 de miliarde de parametri în total și 25 de miliarde de parametri activi, licențiat pentru cercetare și utilizare non‑comercială sub CC BY‑NC 4.0.

Cohere descrie North Small Translate ca fiind primul său model de traducere din familia de modele North, construit pe o linie multimodală și de traducere ce pornește de la familia Tiny Aya și continuă prin Command A Translate. Modelul este exclusiv text în ambele direcții, cu un context de intrare de 16 K de tokeni și o limită de ieșire de 16 K de tokeni, iar Cohere susține că suportă peste 50 de limbi. Hardware‑ul minim necesar este un GPU B200 sau două GPU‑uri H100 la cuantizare W4A4.

Benchmark‑uri raportate de Cohere, debit și cost

Cohere a raportat un scor WMT26 pentru toate limbile de 83,60 pentru North Small Translate, care urcă la 84,36 pentru o variantă agentică multi‑pass pe care compania afirmă că poate identifica și corecta erorile de traducere. În evaluarea Cohere, care a folosit GPT‑5.6‑Sol ca judecător, Qwen 3.5 397B A17B a obținut 81,56, DeepL NextGen 81,37, Gemma 4 31B (on) 79,46, GLM 5.2 FP8 76,50 și Google Translate 68,20.

Benchmark‑ul WMT evaluează capacitățile generale ale sistemelor de traducere automată pe o gamă largă de limbi, domenii, genuri și modalități, iar metodologia de punctare consideră scorurile între 80 și 100 ca fiind perfecte sau cu erori minore. Cohere a descris North Small Translate ca fiind cel mai performant model dedicat de traducere automată în această evaluare, deschis sau închis, în medie pe toate limbile, și a precizat că performează puternic pe 32 de limbi cu resurse ridicate și pe alte 18 limbi suplimentare.

La nivel regional, Cohere a raportat că modelul a depășit Gemma 4 31B (on) în Europa, 82,2 față de 73,9, în timp ce a înregistrat performanțe practic egale în Asia de Sud, 86,2 față de 86,7. Cohere a declarat că ambele versiuni au depășit și DeepL NextGen în fiecare regiune non‑europeană testată: cu aproximativ 8‑10 puncte în Asia de Sud și MENA, circa 4‑5 puncte în Asia de Sud‑Est și 1‑3 puncte în Asia de Est, unde modelul standard s-a apropiat de scorul 85,41 al DeepL.

În evaluarea pe context lung a Cohere, care măsoară cât de bine traduce un model două capitole dintr‑o carte într‑un singur apel, cu calitatea per paragraf evaluată prin xComet‑XL, North Small Translate a obținut 48,9, comparativ cu 21,3 pentru Google Translate și 19,4 pentru Gemma 4 31B. Cohere a descris acest rezultat ca fiind mai mult de dublul ambelor repere și în fruntea fiecărui LLM cu scop general testat.

În testele interne de debit, desfășurate în condiții de concurență și configurații hardware identice, Cohere a măsurat un debit de ieșire de până la 1,4 ori mai mare decât Gemma 4 31B TP1: 112 față de 81 de tokeni pe secundă la concurență scăzută și 39 față de 30 la concurență ridicată, ceea ce compania a tradus ca 30‑38 % mai mulți tokeni generați pe secundă.

Pentru întreprinderile care evaluează licențe comerciale, Cohere a raportat un scor de 80,1 la 0,000676 $ pe sarcină, utilizând în medie 661 de tokeni. Compania a listat Gemini 3.1 Pro Preview (high) la 0,038928 $ pe sarcină, indicat ca 5 762 % mai mult, și Qwen 3.5 397B A17B și propriul său Command A+ la 0,004525 $ și, respectiv, 0,005158 $ pe sarcină, folosind prețuri pe token sau pe caracter de pe site‑urile furnizorilor de modele.

Arhitectură și acoperire lingvistică

Fișa modelului descrie North Small Translate ca un Transformer de tip decoder‑only, cu mixture‑of‑experts rar, având 128 de experți, dintre care opt se activează per token, alături de experți partajați aplicați fiecărui token. Straturile de atenție alternează atenție cu fereastră glisantă (dimensiune fereastră 4096, utilizând Rotary Positional Embeddings) cu straturi de atenție globală fără încorporări poziționale într‑un raport 3:1, un design introdus prima dată în Command A. Routerul aplică o activare sigmoidă peste logiturile experților și normalizează peste top‑k selectat. Modelul a fost post‑antrenat special pentru calitatea traducerii.

Deși anunțul menționează suport pentru peste 50 de limbi, fișa modelului enumeră exact 50, inclusiv engleză, arabă, franceză, germană, hindi, japoneză, coreeană, rusă, ucraineană, vietnameză și chineză simplificată și tradițională. Documentația Cohere descrie acoperirea ca fiind engleză plus peste 50 de variante de limbă și locală, numind arabă standard modernă, germană, franceză, japoneză, coreeană, rusă și ucraineană ca limbi de prim rang, și listează variante locale precum arabă egipteană, standard modernă și arabă saudită, portugheză din Portugalia, sârbă scrisă cu alfabet chirilic și norvegiană bokmål.

Licențiere, acces și parteneriatul cu RWS

Greutățile sunt protejate pe Hugging Face: descărcătorii trebuie să accepte să își partajeze informațiile de contact, iar utilizarea este guvernată de licența CC BY‑NC 4.0 împreună cu Politica de utilizare acceptabilă a Cohere Labs. Sunt disponibile trei variante de cuantizare: BF16 (patru B200 sau opt H100 GPU‑uri), FP8 (două B200 sau patru H100) și NVFP4 W4A16 (un B200 sau două H100), pe care fișa modelului le indică ca fiind punctele de control pe care Cohere le furnizează în producție. Un Hugging Face Space găzduit oferă o demonstrație a modelului.

Modelul este, de asemenea, disponibil în nivelul gratuit al API‑ului Cohere prin Chat V2 API sub ID‑ul de model north‑small‑translate‑1‑0, gratuit până la atingerea limitelor de rată, cu licențiere comercială și implementare disponibile prin Model Vault al Cohere, hardware‑ul sugerat fiind două H100 GPU‑uri sau un B200. Documentația Cohere enumeră cazuri de utilizare precum gestionarea cunoștințelor, documentație de siguranță și operațiuni, comunicare internă și localizare și suport pentru clienți.

Cohere a declarat că North Small Translate a fost dezvoltat în parteneriat cu RWS, o companie de soluții AI în tehnologia și serviciile lingvistice ale cărei echipe de cercetare și știință Language Weaver și experți lingviști au contribuit la modelarea performanței de traducere în condiții reale pe parcursul dezvoltării. Compania afirmă că RWS colaborează cu peste 80 % dintre cele mai importante 100 de branduri mondiale și că întreprinderile care au nevoie de o platformă dedicată de traducere și localizare pot accesa modelul prin produsul Language Weaver al RWS.

Conform contului din 1 iunie 2026 al colaborării, Cohere a solicitat RWS să testeze Command A Translate în iulie 2025, iar până în septembrie 2025 cele două echipe au început lucrul la un model de traducere specializat pe care articolul l‑a descris ca alimentând Language Weaver Pro al RWS. Cohere a raportat că Language Weaver Pro a obținut 55 % victorii la nivel de propoziție în evaluările umane față de DeepL NextGen și a depășit concurenții în benchmark‑urile automate în 31 din 32 de limbi utilizate frecvent în domeniile enterprise. CEO‑ul RWS, Ben Faes, a descris modelul din spatele Language Weaver Pro ca fiind „creierul” produsului.