Cohere ha presentato North Small Translate, il primo modello dedicato alla traduzione automatica della famiglia North e un sistema open-weight basato su architettura mixture-of-experts con 218 miliardi di parametri complessivi e 25 miliardi di parametri attivi. Il modello è stato sviluppato per attività di machine translation e viene distribuito per ricerca e utilizzi non commerciali con licenza CC BY-NC 4.0. North Small Translate prosegue il lavoro di Cohere sui modelli multilingue e di traduzione iniziato con la famiglia Tiny Aya e successivamente sviluppato con Command A Translate. Il sistema opera esclusivamente su testo sia in ingresso sia in uscita, supporta un contesto di input da 16.000 token e un limite di output anch’esso pari a 16.000 token e viene indicato da Cohere come compatibile con oltre 50 lingue. Per l’esecuzione nella configurazione quantizzata più compatta è richiesto almeno un acceleratore NVIDIA B200 oppure due GPU H100.
Nei benchmark dichiarati da Cohere, North Small Translate raggiunge un punteggio medio di 83,60 nel test WMT26 considerando tutte le lingue, valore che sale a 84,36 utilizzando una variante agentica multi-pass capace di analizzare una prima traduzione, individuare eventuali errori e correggerli attraverso passaggi successivi. Nella stessa valutazione, effettuata utilizzando GPT-5.6 Sol come giudice, Qwen 3.5 397B A17B ottiene 81,56 punti, DeepL NextGen 81,37, Gemma 4 31B 79,46, GLM 5.2 FP8 76,50 e Google Translate 68,20. Il benchmark WMT misura le capacità generali dei sistemi di traduzione su lingue, domini, generi testuali e modalità differenti, considerando i punteggi compresi tra 80 e 100 come indicativi di traduzioni perfette o caratterizzate soltanto da errori minori. Cohere definisce North Small Translate il modello dedicato esclusivamente alla machine translation con le migliori prestazioni medie nella propria valutazione, considerando sia sistemi aperti sia proprietari, e segnala risultati particolarmente elevati su 32 lingue ad alta disponibilità di dati e altre 18 lingue aggiuntive.
I risultati variano anche in base all’area linguistica. In Europa, Cohere riporta per North Small Translate un punteggio di 82,2 contro 73,9 di Gemma 4 31B, mentre nell’Asia meridionale i due modelli risultano sostanzialmente allineati, rispettivamente con 86,2 e 86,7 punti. Sia la versione standard sia quella multi-pass superano inoltre DeepL NextGen in tutte le regioni non europee prese in esame: il vantaggio dichiarato è nell’ordine degli 8-10 punti in Asia meridionale e nella regione MENA, tra 4 e 5 punti nel Sud-est asiatico e tra 1 e 3 punti nell’Asia orientale, dove il modello standard si avvicina al punteggio di 85,41 ottenuto da DeepL. Cohere ha testato anche la capacità di mantenere la qualità durante traduzioni molto lunghe facendo elaborare due capitoli di un libro all’interno di una singola richiesta e valutando successivamente ogni paragrafo tramite xComet-XL. In questo scenario North Small Translate ha ottenuto 48,9 punti, rispetto a 21,3 di Google Translate e 19,4 di Gemma 4 31B, superando anche tutti i modelli general-purpose inclusi dalla società nella prova.
L’architettura è costituita da un Transformer decoder-only sparse mixture-of-experts dotato di 128 expert, dei quali otto vengono attivati per ogni token, affiancati da expert condivisi utilizzati sistematicamente su tutti i token. Gli strati di attenzione alternano sliding-window attention con finestra da 4.096 token e Rotary Positional Embeddings a strati di global attention privi di positional embedding, secondo un rapporto di tre a uno già impiegato da Cohere nell’architettura Command A. Il router utilizza una funzione sigmoid sui logit degli expert e normalizza i valori dopo la selezione top-k, mentre la fase di post-training è stata indirizzata specificamente al miglioramento della qualità della traduzione. La model card elenca esattamente 50 lingue supportate, tra cui inglese, arabo, francese, tedesco, hindi, giapponese, coreano, russo, ucraino, vietnamita e cinese sia semplificato sia tradizionale; la documentazione Cohere descrive invece la copertura come inglese più oltre 50 combinazioni di lingua e variante locale. Tra le lingue classificate come tier-one figurano arabo moderno standard, tedesco, francese, giapponese, coreano, russo e ucraino, mentre vengono supportate anche varianti specifiche come arabo egiziano e saudita, portoghese del Portogallo, serbo in alfabeto cirillico e norvegese Bokmål.
Cohere ha pubblicato anche dati relativi a throughput e costi operativi. Nei test interni eseguiti mantenendo identici hardware e livelli di concorrenza, North Small Translate ha raggiunto fino a 1,4 volte il throughput in uscita di Gemma 4 31B TP1, producendo 112 token al secondo contro 81 a bassa concorrenza e 39 contro 30 ad alta concorrenza, con un incremento compreso tra il 30 e il 38% dei token generati al secondo. Per i clienti che valutano una licenza commerciale, Cohere riporta inoltre un punteggio di qualità pari a 80,1 con un costo di 0,000676 dollari per attività e una media di 661 token utilizzati. A confronto, Gemini 3.1 Pro Preview in configurazione high viene indicato a 0,038928 dollari per attività, circa il 5.762% in più, mentre Qwen 3.5 397B A17B e Command A+ vengono rispettivamente stimati a 0,004525 e 0,005158 dollari per attività sulla base dei prezzi per token o per carattere pubblicati dai rispettivi fornitori.
I pesi di North Small Translate sono disponibili tramite Hugging Face con accesso controllato: prima del download è necessario accettare la condivisione dei propri dati di contatto e l’utilizzo rimane soggetto sia alla licenza CC BY-NC 4.0 sia all’Acceptable Use Policy di Cohere Labs. Sono disponibili tre varianti quantizzate. La versione BF16 richiede quattro GPU B200 oppure otto H100, quella FP8 può essere eseguita con due B200 o quattro H100, mentre la variante NVFP4 W4A16 riduce il requisito a una B200 o due H100; secondo la model card, questi checkpoint corrispondono alle configurazioni utilizzate da Cohere anche nei propri ambienti di produzione. È disponibile inoltre uno Space ospitato su Hugging Face per provare direttamente il modello.
North Small Translate può essere utilizzato anche attraverso il livello gratuito delle API di Cohere mediante Chat V2 API, utilizzando l’identificativo north-small-translate-1-0, senza costi fino al raggiungimento dei limiti di utilizzo previsti. Per deployment commerciali e licenze dedicate, Cohere rende invece disponibile il modello attraverso Model Vault e suggerisce una configurazione hardware composta da due GPU H100 oppure una B200. Tra i casi d’uso aziendali indicati figurano la gestione della conoscenza, la traduzione di documentazione relativa a sicurezza e operazioni, le comunicazioni interne, la localizzazione di prodotti e servizi e l’assistenza clienti multilingue.
Lo sviluppo è stato realizzato in collaborazione con RWS, società specializzata in soluzioni AI, tecnologie linguistiche e servizi di traduzione. I gruppi di ricerca e scientifici di Language Weaver e gli esperti linguistici di RWS hanno partecipato durante lo sviluppo alla valutazione e all’ottimizzazione delle prestazioni del modello su scenari di traduzione reali. RWS dichiara di lavorare con oltre l’80% dei primi cento brand mondiali e renderà North Small Translate disponibile alle aziende anche attraverso la propria piattaforma Language Weaver, destinata alla traduzione e alla localizzazione. La collaborazione tra le due aziende era iniziata già nel luglio 2025, quando Cohere aveva affidato a RWS la sperimentazione di Command A Translate; nel settembre dello stesso anno i due gruppi avevano quindi iniziato a sviluppare un modello di traduzione specializzato destinato a costituire il motore di Language Weaver Pro.
Nelle valutazioni umane condotte su Language Weaver Pro, RWS ha registrato una preferenza a livello di singola frase nel 55% dei confronti con DeepL NextGen, mentre nei benchmark automatizzati il sistema ha superato i concorrenti in 31 delle 32 lingue comunemente utilizzate nei contesti aziendali. Il modello alla base di Language Weaver Pro e North Small Translate rappresenta quindi il risultato della collaborazione tra l’infrastruttura e le architetture multilingual di Cohere e l’esperienza di RWS nella traduzione professionale, con l’obiettivo di offrire alle imprese un sistema specializzato che possa essere eseguito anche su infrastrutture controllate direttamente dall’organizzazione e adattato a flussi di traduzione e localizzazione su larga scala.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)