Сегодня мы выпускаем North Small Translate — модель машинного перевода на основе смеси экспертов (MoE), демонстрирующую высокую производительность для более чем 50 языков. По результатам тестов WMT26,¹ North Small Translate набирает 83,6 балла по всем языкам, превосходя проприетарные модели, такие как DeepL и Google Translate, а также альтернативы с открытыми весами, такие как Gemma 4 31B (выкл.), GLM 5.2 и Mistral Large 3.
North Small Translate знаменует собой важную веху в качестве первой модели перевода от Cohere в семействе моделей North. Она опирается на наше наследие в области многоязычности и перевода — от семейства моделей Tiny Aya до Command A Translate — и представляет собой очевидный следующий шаг в стремлении Cohere предлагать высококачественный машинный перевод везде, где это необходимо.
Теперь доступная для исследований и некоммерческого использования по лицензии CC BY-NC 4.0, North Small Translate способствует реализации миссии Cohere по превращению суверенного ИИ в технологическую реальность.
Посетите Hugging Face, чтобы скачать веса (доступные в нескольких вариантах квантования почти без потерь), изучите наше пространство на Hugging Face для тестирования модели и прочитайте руководства по внедрению.
Обзор
Ведущее качество перевода в открытой экосистеме
North Small Translate в среднем превосходит модели с открытыми весами сопоставимого размера с менее чем 1 трлн параметров и переводческие модели на базе API по различным аспектам машинного перевода. В оценках моделей WMT модель North Small Translate лидирует с результатом бенчмарка WMT26 All Languages, равным 83,60, по сравнению с 81,56 у Qwen 3.5 397B A17B, 76,50 у GLM 5.2 FP8, 81,37 у DeepL NextGen, 79,46 у Gemma 4 31B (вкл.) и 68,20 у Google Translate. Версия North Small Translate (Agentic), способная находить и исправлять ошибки в переводе, набирает еще больше — 84,36.²
Изображение 1: Общие баллы WMT26 по всем языкам для основных моделей, оцененные для WMT 2026 с использованием GPT-5.6-Sol в качестве судьи.
North Small Translate демонстрирует высокие результаты для 32 языков с высоким объемом ресурсов и 18 дополнительных языков. North Small Translate является наиболее стабильной моделью во всех регионах, без резкого регионального падения показателей, наблюдаемого у других моделей ее размера. В среднем по всем языкам это наиболее эффективная специализированная модель машинного перевода в данном исследовании — как открытая, так и закрытая.
Изображение 2: Общие баллы WMT по региональному среднему значению для DeepL, Google Translate, Gemma 31B (вкл.) и North Small Translate с использованием GPT-5.6-Sol в качестве судьи.
На региональном уровне North Small Translate превосходит ожидания, уверенно побеждая Gemma 4 31B (вкл.) в Европе (82,2 против 73,9) и практически не уступая ей в Южной Азии (86,2 против 86,7).
На региональном уровне как North Small Translate, так и ее агентская версия уверенно превосходят Gemma 4 31B (вкл.) по всей Европе — как по языкам ЕС (82,74 для Agentic / 82,17 для стандартной против 72,73), так и по европейским языкам вне ЕС (81,52 / 81,24 против 75,90) — при этом практически не уступая ей в Южной Азии (87,13 / 86,16 против 88,04).
Обе версии также превосходят DeepL NextGen во всех протестированных неевропейских регионах — на Ближнем Востоке и в Северной Африке (MENA), в Южной, Юго-Восточной и Восточной Азии. Наибольшее преимущество наблюдается в Южной Азии и MENA (примерно на 8–10 пунктов опережая DeepL), умеренное преимущество — в Юго-Восточной Азии (около 4–5 пунктов) и наименьшее — в Восточной Азии (около 1–3 пунктов, причем стандартная модель приближается к показателю DeepL в 85,41 балла).
Увеличенная пропускная способность для более быстрых рабочих процессов
North Small Translate создана для генерации с высокой пропускной способностью, уделяя первостепенное внимание чистой скорости вывода даже при росте параллелизма.
В ходе нашего тестирования North Small Translate достигла пропускной способности вывода на 1,4 раза выше, чем у Gemma 4 31B TP1 (1 x GPU) при идентичных уровнях параллелизма и конфигурациях оборудования: 112 против 81 токена вывода в секунду (TOPS) при низком параллелизме и 39 против 30 TOPS при высоком параллелизме. На практике это означает генерацию на 30–38% больше токенов в секунду, что приводит к значительному сокращению времени выполнения длинных текстов.
Изображение 3: Скорость вывода North Small Translate по сравнению с Gemma 4 31B (выкл.) при высоком и низком параллелизме во внутренних тестах на одинаковом оборудовании.
Длинные документы — это то, на чем ломаются многие модели перевода, но North Small Translate не из их числа. Она набирает 48,9 балла в нашем тесте длинного контекста, что более чем в два раза превышает показатели Google Translate (21.3) и Gemma 4 31B (19.4), а также опережает все протестированные нами универсальные языковые модели.³
В сочетании с высокой пропускной способностью это означает быстрый и надежный перевод длинных текстов без падения качества, характерного для большинства неспециализированных альтернатив.
Экономичная стоимость перевода в больших масштабах
Эффективность является ключевым ограничением при развертывании корпоративного перевода, и мы спроектировали North Small Translate так, чтобы она была чрезвычайно экономичной без ущерба для производительности.
Изображение 4: Общий балл WMT и разбивка стоимости за задачу по моделям машинного перевода с использованием цен за токен или символ с сайтов провайдеров моделей.
Для предприятий, оценивающих коммерческие лицензии North Small Translate, доступен высокий балл 80,1 всего за 0,000676 долл. США за задачу при использовании в среднем всего 661 токена. Для сравнения: Gemini 3.1 Pro Preview (high) стоит 0,038928 долл. США за задачу (на 5,762% дороже North Small Translate).
Модели сопоставимого размера, такие как Qwen 3.5 397B A17B и собственный Command A+ от Cohere, демонстрируют неплохую производительность при стоимости 0,004525 и 0,005158 долл. США за задачу соответственно.
Лучшее в переводе в партнерстве с RWS
North Small Translate была разработана в партнерстве с RWS, компанией по созданию решений на базе ИИ, являющейся первопроходцем в области языковых технологий и услуг. Тесное сотрудничество с RWS, в частности с исследовательскими и научными командами Language Weaver, а также с ее языковыми экспертами, помогло сформировать реальную производительность перевода модели в процессе разработки. RWS работает более чем с 80% из 100 ведущих мировых брендов, помогая амбициозным компаниям беспрепятственно общаться через границы и культуры.
Для предприятий, которым требуется нечто большее, чем исследовательский доступ к открытым весам: безопасность, масштабируемость, а также специализированная платформа для перевода и локализации, — North Small Translate доступна через продукт Language Weaver компании RWS.
Начало работы
North Small Translate доступна уже сегодня на Hugging Face для некоммерческого и исследовательского использования. Посетите нашу документацию для ознакомления с подробными характеристиками модели, руководствами по развертыванию и примерами реализации. Чтобы узнать больше о разработке модели, ознакомьтесь с нашим техническим отчетом.
Примечания
¹ Бенчмарки WMT сосредоточены на оценке общих возможностей систем машинного перевода (МП). Их главная цель — протестировать производительность в широком диапазоне языков, доменов, жанров и модальностей.
² Чтобы понять баллы бенчмарка WMT, методология оценки определяет следующие диапазоны производительности: 0–20 (неприемлемо), 20–40 (погранично), 40–60 (приемлемо), 60–80 (хорошо с крупными ошибками) и 80–100 (идеально или с незначительными ошибками).
³ Оценка длинного контекста измеряет способность модели переводить две главы книги за один вызов. Качество измеряется для каждого абзаца изолированно с помощью метрик xComet-XL.
