Cohere wprowadza North Small Translate – suwerenny, otwartoźródłowy model tłumaczeniowy

Firma Cohere oficjalnie zaprezentowała North Small Translate, swój nowy otwartoźródłowy model językowy wyspecjalizowany w tłumaczeniach maszynowych. Rozwiązanie obsługuje płynnie ponad 50 języków, a jego wagi zostały udostępnione dla całej społeczności na platformie Hugging Face na licencji CC BY-NC 4.0, z przeznaczeniem do celów badawczych i niekomercyjnych.

Architektura i wymagania sprzętowe

North Small Translate opiera się na architekturze MoE (Mixture-of-Experts) i dysponuje pulą 218B parametrów całkowitych, z czego podczas generowania odpowiedzi system wykorzystuje 25B aktywnych parametrów na token. Architektura zapewnia sprawne zarządzanie oknem kontekstowym, które może pomieścić do 16k tokenów wejściowych oraz 16k tokenów wyjściowych. Żeby uruchomić model w silnej optymalizacji, jako minimum sprzętowe wskazano posiadanie układów takich jak 1x B200 @ W4A4 lub alternatywnie 2x H100s @ W4A4.

Nowy system translatorski jest pionierem z tej specjalizacji należącym do szerszej rodziny modeli North, do której zaliczany jest chociażby system North Mini Code. Debiut ten jest naturalną ewolucją i przedłużeniem wielojęzycznej drogi rozwojowej producenta — od eksperymentalnych wydań Tiny Aya po złożone Command A Translate.

Skuteczność w WMT26 i wariant Agentic

W zbiorczym teście z benchmarku WMT26 (kategoria All Languages), którego oceną zarządzał GPT-5.6-Sol występujący jako zautomatyzowany sędzia, podstawowa wersja modelu wypracowała łączny wynik na poziomie 83.60. Równocześnie twórcy zdecydowali się na wypuszczenie potężniejszej wersji, North Small Translate (Agentic), która w trakcie pracy samodzielnie weryfikuje oraz naprawia błędy w translacji. Wariant wieloprzebiegowy wygenerował wynik w postaci 84.36.

Na analogicznym polu walki komercyjni i otwarci konkurenci w większości wypracowali słabsze wyniki. Baza parametrów pokazała, że duży model Qwen 3.5 397B A17B ocenił na 81.56 punktów, system DeepL NextGen uzyskał 81.37, z kolei sieć od Google'a zoptymalizowana jako Gemma 4 31B (on) zdobyła 79.46. Nieco starszy GLM 5.2 FP8 dociągnął do granicy 76.50, podczas gdy powszechny bazowy wariant narzędzia Google Translate zamknął stawkę z przeciętnym rezultatem 68.20.

Analizując pomiary ujęte w szczegółowych przekrojach geograficznych, można zauważyć, że rozwiązanie od Cohere bryluje zwłaszcza w zadaniach europejskich, ustępując nieznacznie jedynie na rynku południowoazjatyckim:

Szybkość wnioskowania i przetwarzanie długich dokumentów

Platforma North Small Translate nie gubi kontekstu ani rytmu pracy nawet przy wysokim obciążeniu żądaniami, dlatego zaprojektowana została jako układ o potężnej wydajności przepustowej (throughput). Według danych Cohere, model przetwarza tokeny wyjściowe z wyższą prędkością niż wariant Gemma 4 31B TP1 testowany na tym samym, jedno-procesorowym sprzęcie. Przy znikomej współbieżności i jednostkowych zadaniach zanotowano wynik rzędu 112 Output Tokens per Second (TOPS), przebijając osiąg GEMMA wynoszący 81 TOPS. Na wysokiej współbieżności (high concurrency) wynik przechodzi w stosunek 39 do 30 TOPS, co przy dłuższych procesach i wyższych obciążeniach daje oszczędności czasowe rzędu 30-38 procent.

Dla wymagających form wyjściowych system poddano bezlitosnemu sprawdzianowi metryką xComet-XL, w którym głównym zadaniem było przetłumaczenie naraz dwóch ułożonych rozdziałów książki za jednym przeliczeniem tokenów. Model z rodziny North wypracował tutaj silny wynik 48.9, czym dosłownie zdeklasował rozwiązania Google Translate (21.3) oraz sieć z serii Gemma 4 31B (19.4).

Efektywność kosztowa i współpraca z RWS

Dla wielkoskalowych wdrożeń, gdzie model wybiega poza otwartą licencję i wchodzi na etap wdrożeń stricte komercyjnych, Cohere nawiązało oficjalne partnerstwo z dostawcą pionierskich usług językowych — firmą RWS (udostępnioną m.in. dla usługi Language Weaver).

Użytkownicy docelowi mogą liczyć nie tylko na dobrą przepustowość, ale i znaczące cięcia infrastrukturalne w budżetach generatywnego AI. Przekształcenie standardowego zadania o średniej długości rzędu 661 tokenów wykorzystujące model North Small Translate to realny koszt zaledwie 0.000676 USD. Alternatywa oparta o model z tej samej stajni Command A+ wyniesie 0.005158 USD, podobnie do azjatyckiego pakietu Qwen 3.5 397B A17B skalkulowanego na 0.004525 USD za analogiczne zlecenie. Dla wyraźnego kontrastu — gigant Google pod postacią usługi Gemini 3.1 Pro Preview (high) podyktował w wyliczeniach koszt o wysokości aż 0.038928 USD.