Cohere представляет открытый по весу модель машинного перевода с 218 млрд параметров и смесью экспертов

Cohere выпустила North Small Translate 10 сентября 2026 года, открытый по весу модель машинного перевода с 218 млрд общих параметров и 25 млрд активных параметров, лицензированную для исследований и некоммерческого использования по лицензии CC BY‑NC 4.0.

Cohere описала North Small Translate как свою первую модель перевода в семействе моделей North, построенную на многоязычной и переводческой линии, идущей от семейства моделей Tiny Aya до Command A Translate. Модель работает только с текстом в обоих направлениях, имеет контекст ввода в 16 К токенов и ограничение вывода в 16 К токенов, и Cohere заявляет о поддержке более 50 языков. Минимальные требования к оборудованию — один GPU B200 или два GPU H100 при квантизации W4A4.

Отчётные показатели Cohere: бенчмарки, пропускная способность и стоимость

Cohere сообщила, что модель North Small Translate получила в WMT26 по всем языкам оценку 83,60, которая повышается до 84,36 для агентной многопроходной версии, которую компания утверждает, что может находить и исправлять ошибки перевода. В оценке Cohere, где в качестве судьи использовался GPT‑5.6‑Sol, Qwen 3.5 397B A17B набрал 81,56, DeepL NextGen — 81,37, Gemma 4 31B (on) — 79,46, GLM 5.2 FP8 — 76,50 и Google Translate — 68,20.

Бенчмарк WMT оценивает общие возможности систем машинного перевода по широкому спектру языков, доменов, жанров и модальностей, при этом методика оценивания рассматривает баллы от 80 до 100 как почти идеальные, содержащие лишь незначительные ошибки. Cohere описала North Small Translate как лучшую специализированную модель машинного перевода в этом тесте, открытую или закрытую, в среднем по всем языкам, и отметила её сильные результаты по 32 языкам с высоким ресурсным покрытием и ещё 18 дополнительным языкам.

На региональном уровне Cohere сообщила, что модель обыграла Gemma 4 31B (on) в Европе, набрав 82,2 против 73,9, тогда как в Южной Азии результаты были практически равны — 86,2 против 86,7. Cohere также заявила, что обе версии превзошли DeepL NextGen во всех протестированных внеевропейских регионах: примерно на 8–10 пунктов в Южной Азии и Ближнем Востоке и Северной Африке (MENA), на 4–5 пунктов в Юго‑Восточной Азии и на 1–3 пункта в Восточной Азии, где стандартная модель приближалась к оценке DeepL в 85,41.

В долгосрочной оценке Cohere, измеряющей способность модели переводить два главы книги за один запрос с оценкой качества по абзацам через xComet‑XL, North Small Translate набрала 48,9 против 21,3 у Google Translate и 19,4 у Gemma 4 31B. Cohere охарактеризовала этот результат как более чем вдвое превышающий обе базовые линии и опережающий все протестированные универсальные LLM.

В внутренних тестах пропускной способности при одинаковых уровнях параллелизма и конфигурациях оборудования Cohere зафиксировала до 1,4‑кратного увеличения выходной пропускной способности по сравнению с Gemma 4 31B TP1: 112 против 81 токена в секунду при низкой нагрузке и 39 против 30 при высокой нагрузке, что компания оценивала как на 30‑38 % больше генерируемых токенов в секунду.

Для предприятий, рассматривающих коммерческие лицензии, Cohere сообщила оценку 80,1 при стоимости $0,000676 за задачу при среднем использовании 661 токена. Компания указала цену Gemini 3.1 Pro Preview (high) в $0,038928 за задачу, что составляет рост на 5 762 %, а также цены Qwen 3.5 397B A17B и собственного Command A+ — $0,004525 и $0,005158 за задачу соответственно, используя ценообразование за токен или за символ, указанное на сайтах поставщиков моделей.

Архитектура и покрытие языков

Карточка модели описывает North Small Translate как трансформер только с декодером, использующий разреженную смесь экспертов с 128 экспертами, из которых восемь активируются на каждый токен, а также общие эксперты, применяемые ко всем токенам. Слои внимания чередуют скользящее окно (размер окна 4096, с использованием Rotary Positional Embeddings) с глобальными слоями внимания без позиционных эмбеддингов в соотношении 3:1, дизайн впервые представленный в Command A. Маршрутизатор применяет сигмоидную активацию к логитам экспертов и нормализует выбранные top‑k. Модель была дообучена специально для качества перевода.

В то время как анонс указывает поддержку более 50 языков, в карточке модели перечислено ровно 50, включая английский, арабский, французский, немецкий, хинди, японский, корейский, русский, украинский, вьетнамский, а также упрощённый и традиционный китайский. Документация Cohere описывает покрытие как английский плюс более 50 языковых и локальных вариантов, назвая современный стандартный арабский, немецкий, французский, японский, корейский, русский и украинский как языки первого уровня, и перечисляет локальные варианты, такие как египетский, современный стандартный и саудовский арабский, португальский (Португалия), сербский (кириллица) и норвежский букмол.

Лицензирование, доступ и партнёрство с RWS

Весовые файлы защищены на Hugging Face: загрузчики должны согласиться предоставить контактную информацию, а использование регулируется лицензией CC BY‑NC 4.0 совместно с Acceptable Use Policy от Cohere Labs. Доступны три варианта квантизации: BF16 (четыре B200 или восемь H100 GPU), FP8 (два B200 или четыре H100) и NVFP4 W4A16 (один B200 или два H100), что, согласно карточке модели, являются контрольными точками, которые Cohere обслуживает в продакшене. На Hugging Face Space размещён демонстрационный вариант модели.

Модель также доступна в бесплатном тарифе API Cohere через Chat V2 API под идентификатором модели north-small-translate-1-0, бесплатно до исчерпания лимитов запросов, при этом коммерческие лицензии и развертывание доступны через Model Vault от Cohere с рекомендацией оборудования в виде двух H100 GPU или одного B200. Документация Cohere перечисляет сценарии использования, включая управление знаниями, документацию по безопасности и операциям, внутреннюю коммуникацию, а также локализацию и поддержку клиентов.

Cohere заявила, что North Small Translate была разработана в партнёрстве с RWS, компанией, предоставляющей AI‑решения в области языковых технологий и сервисов, чьи исследовательские и научные команды Language Weaver и лингвисты помогали формировать реальную производительность модели в переводе на протяжении разработки. Компания отмечает, что RWS сотрудничает более чем с 80 % из топ‑100 мировых брендов, и что предприятиям, нуждающимся в специализированной платформе для перевода и локализации, доступ к модели предоставляется через продукт Language Weaver от RWS.

Согласно отчёту Cohere от 1 июня 2026 года о сотрудничестве, Cohere попросила RWS протестировать Command A Translate в июле 2025 года, и к сентябрю 2025 года две команды начали работу над специализированной моделью перевода, которая, как указано в публикации, стала основой Language Weaver Pro от RWS. Cohere сообщила, что Language Weaver Pro достиг 55 % побед на уровне предложений по сравнению с DeepL NextGen в человеческих оценках и превзошёл конкурентов в автоматических бенчмарках в 31 из 32 языков, часто используемых в корпоративных областях. Генеральный директор RWS Бен Фаес охарактеризовал модель, лежащую в основе Language Weaver Pro, как «мозг продукта».