Сегодня мы выпускаем North Small Translate — модель машинного перевода на основе смеси экспертов, демонстрирующую высокие результаты более чем для 50 языков. В бенчмарках WMT26¹ North Small Translate набирает 83,6 балла по всем языкам, превосходя проприетарные модели вроде DeepL и Google Translate, а также альтернативы с открытыми весами, такие как Gemma 4 31B (off), GLM 5.2 и Mistral Large 3.
North Small Translate знаменует собой важную веху как первая переводческая модель от Cohere в семействе моделей North. Она продолжает наши традиции в области мультилингвизма и перевода — от семейства моделей Tiny Aya до Command A Translate — и представляет собой логичный следующий шаг в стремлении Cohere предлагать высококачественный машинный перевод везде, где это необходимо.
Теперь доступная для исследовательской и некоммерческой работы по лицензии CC BY-NC 4.0, North Small Translate продвигает миссию Cohere по превращению суверенного ИИ в технологическую реальность.
Посетите Hugging Face, чтобы загрузить веса, доступные в нескольких вариантах квантования почти без потерь, изучите наше пространство на HuggingFace для тестирования модели и ознакомьтесь с руководствами по внедрению.
Сводка
Ведущее качество перевода в открытой экосистеме
North Small Translate в среднем превосходит модели с открытыми весами со схожим размером (менее 1 трлн параметров) и переводческие модели на базе API в различных аспектах машинного перевода. В оценках моделей WMT модель North Small Translate лидирует с результатом бенчмарка WMT26 All Languages на уровне 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 (on) и 68,20 у Google Translate. 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, протестированных для WMT 2026 с использованием GPT-5.6-Sol в качестве судьи.
North Small Translate демонстрирует высокие результаты для 32 языков с большим объемом ресурсов и 18 дополнительных языков. North Small Translate является наиболее стабильной моделью по всему спектру регионов, без резких региональных спадов, наблюдаемых у других моделей сопоставимого 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 региональным средним для DeepL, Google Translate, Gemma 31B (on) и North Small Translate с использованием GPT-5.6-Sol в качестве судьи.
На региональном уровне North Small Translate превосходит ожидания, уверенно обходя Gemma 4 31B (on) 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 агентский аналог уверенно опережают Gemma 4 31B (on) по всей Европе: в странах ЕС (82,74 Agentic / 82,17 стандартная против 72,73) и в европейских странах 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 (БВСВ, Южная Азия, Юго-Восточная Азия и Восточная Азия). Наибольшее преимущество наблюдается в Южной Азии и на БВСВ (примерно на 8–10 пунктов опережая DeepL), умеренное преимущество — в Юго-Восточной Азии (около 4–5 пунктов), а наименьшее — в Восточной Азии (около 1–3 пунктов, причем стандартная модель приближается к результату DeepL в 85,41 балла).
Увеличенная пропускная способность для более быстрых рабочих процессов
North Small Translate создана для генерации с высокой пропускной способностью, уделяя приоритетное внимание чистой скорости вывода даже при росте параллелизма.
В ходе нашего тестирования North Small Translate обеспечила пропускную способность вывода до 1,4 раза выше, чем у Gemma 4 31B TP1 (1 GPU) при идентичных уровнях параллелизма и аппаратных конфигурациях: 112 против 81 токена вывода в секунду (TOPS) при низком параллелизме и 39 против 30 TOPS при высоком. На практике это означает генерацию на 30–38% больше токенов в секунду, что ведет к значительному сокращению времени выполнения длинных текстов.
Изображение 3: Скорость вывода North Small Translate по сравнению с Gemma 4 31B (off) при высоком и низком параллелизмов по результатам внутренних тестов на одинаковом оборудовании.
Длинные документы — это то, на чем ломаются многие переводческие модели, но North Small Translate к ним не относится. Она набирает 48,9 балла в нашем тестировании на длинном контексте, что более чем в два раза превышает показатели Google Translate (21.3) и Gemma 4 31B (19.4), а также опережает любую протестированную нами универсальную LLM.³
В сочетании с высокой пропускной способностью это означает быстрый и надежный перевод больших текстов без ухудшения качества, свойственного большинству неспециализированных альтернатив.
Эффективная 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 затрат на задачу по моделям машинного перевода на основе цен за токен или символ с сайтов поставщиков моделей.
Для предприятий, рассматривающих коммерческие лицензии North Small Translate, доступен высокий балл 80,1 всего за $0,000676 за задачу в среднем при использовании лишь 661 токена. Для сравнения: Gemini 3.1 Pro Preview (high) стоит $0,000676 на задачу (что на 5 762% дороже North Small Translate).
Модели сопоставимого размера, такие как Qwen 3.5 397B A17B и собственная модель Cohere Command A+, демонстрируют неплохую производительность при стоимости $0,004525 и $0,005158 за задачу соответственно.
Лучшее в переводах в партнерстве с RWS
North Small Translate была разработана в партнерстве с RWS, компанией в области решений на базе ИИ, лидирующей в сфере 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 реальные показатели 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 от RWS.
Начало работы
North Small Translate доступна уже сегодня на Hugging Face для некоммерческих и исследовательских целей. Ознакомьтесь с нашей документацией, чтобы узнать детальные спецификации модели, руководства по развертыванию и примеры реализации. Информацию о разработке модели можно найти в нашем техническом отчете.
Сноски
¹ Бенчмарки WMT сосредоточены на оценке общих возможностей систем машинного перевода (МП). Их главная цель — тестирование производительности для широкого спектра языков, доменов, жанров и модальностей.
² Для понимания баллов бенчмарка WMT методология оценивания определяет диапазоны производительности следующим образом: 0-20 (неприемлемо), 20-40 (погранично), 40-60 (приемлемо), 60-80 (хорошо с серьезными ошибками) и 80-100 (идеально или с незначительными ошибками).
³ Оценка длинного контекста измеряет, насколько хорошо модель может перевести две главы книги за один вызов. Качество оценивается для каждого абзаца по отдельности с помощью метрик xComet-XL.
