Cohere lança North Small Translate, modelo aberto de tradução com 218 bilhões de parâmetros
A Cohere, em parceria com o Cohere Labs, anunciou nesta semana o lançamento do North Small Translate, um modelo de tradução automática de pesos abertos que cobre 50 idiomas, do albanês ao vietnamita. A novidade é o primeiro modelo voltado especificamente para tradução dentro da família North da empresa e chega nove anos depois do artigo original que apresentou a arquitetura Transformer, em 2017, cujo principal caso de uso era justamente a tradução entre inglês e alemão e entre inglês e francês.
O modelo adota uma arquitetura de Mistura de Especialistas esparsa, conhecida como MoE (do inglês Mixture-of-Experts), um tipo de rede neural que divide o processamento entre múltiplos subconjuntos especializados, ativando apenas parte deles para cada tarefa. No total, o North Small Translate soma 218 bilhões de parâmetros, dos quais cerca de 25 bilhões são ativados a cada token processado, o equivalente a aproximadamente 11,5% do total. Isso significa que, embora o modelo seja grande, o custo computacional por token se mantém próximo ao de um modelo denso de 25 bilhões de parâmetros.
A arquitetura é do tipo decoder-only, ou seja, conta apenas com a parte decodificadora do Transformer, e utiliza 128 especialistas, sendo 8 ativados por token, além de especialistas compartilhados aplicados a todos os tokens. O mecanismo de atenção combina camadas de janela deslizante, com janela de 4096 tokens e embeddings rotativos de posição, intercaladas com camadas globais sem embeddings posicionais, na proporção de 3 para 1. Esse arranjo foi introduzido pela primeira vez no modelo Command A, também da Cohere. O contexto suportado é de 16 mil tokens de entrada e 16 mil tokens de saída, apenas para texto.
Segundo os benchmarks divulgados pela própria Cohere em seu blog de lançamento, o North Small Translate obteve pontuação média de 83,6 na avaliação WMT26 entre todos os idiomas. A empresa também apresentou uma variante chamada Agentic, que executa um fluxo de múltiplas passagens para identificar e corrigir seus próprios erros, alcançando 84,36 na mesma avaliação. Esses resultados superaram, nos testes da Cohere, modelos como Qwen 3.5 397B A17B (81,56), DeepL NextGen (81,37), Gemma 4 31B na versão on (79,46), GLM 5.2 FP8 (76,50) e o Google Translate (68,20).
A Cohere destaca que sua faixa de pontuação considera valores entre 80 e 100 como traduções perfeitas ou com apenas erros menores. Regionalmente, ambas as versões do modelo superaram o Gemma 4 31B na Europa, com o modelo padrão atingindo 82,17 contra 72,73 do concorrente nos idiomas da União Europeia. No Sul da Ásia, a disputa ficou mais equilibrada, com 86,16 para o North Small Translate e 88,04 para o Gemma. A empresa ressalta, porém, que esses números foram obtidos em seus próprios testes, com o GPT-5.6-Sol atuando como juiz, e devem ser tratados como dados reportados pelo fabricante até que resultados independentes do WMT26 sejam publicados.
Em testes de velocidade realizados pela Cohere em hardware idêntico, o modelo produziu 112 tokens de saída por segundo em baixa concorrência, contra 81 do Gemma 4 31B. Em alta concorrência, os números foram de 39 contra 30 tokens por segundo, o que a empresa descreve como um ganho de até 1,4 vez em vazão. O desempenho em documentos longos também se mostrou um diferencial: ao traduzir dois capítulos de livro em uma única chamada, o North Small Translate obteve pontuação de 48,9 medida por parágrafo com a métrica xCOMET-XL, enquanto o Google Translate alcançou 21,3 e o Gemma 4 31B ficou em 19,4.
No aspecto de custo, a Cohere comparou o modelo com outras opções do mercado. O North Small Translate atingiu pontuação de 80,1 a um custo estimado de 0,000676 dólares por tarefa, considerando uma média de 661 tokens. Para efeito de comparação, o Gemini 3.1 Pro Preview no modo high custou cerca de 0,038928 dólares por tarefa, aproximadamente 58 vezes mais, enquanto o Qwen 3.5 397B A17B ficou em 0,004525 dólares e o Command A+ em 0,005158 dólares.
O modelo pode ser utilizado de diferentes formas. O caminho mais rápido é por meio da API Chat V2 da Cohere, onde o modelo identificado como north-small-translate-1-0 é gratuito até que os limites de uso sejam atingidos. Para quem prefere executar o modelo localmente, a Cohere publicou três checkpoints compatíveis com hardware da geração Blackwell, com chips B200, e da geração Hopper, com chips H100, incluindo versões em BF16, FP8 e formatos de quantização NVFP4 e W4A16. O menor requisito de hardware é de uma GPU B200 ou duas GPUs H100 na quantização W4A16.
O desenvolvimento do North Small Translate contou com a participação da RWS, empresa cuja divisão Language Weaver reúne cientistas e especialistas linguísticos responsáveis por contribuir para a qualidade do modelo em cenários reais. Com esse lançamento, a Cohere reforça sua linha multilíngue, que já incluía os modelos Tiny Aya e Command A Translate, e apresenta o primeiro modelo dedicado exclusivamente à tradução dentro da nova família North, com pesos abertos e resultados que, segundo a empresa, o colocam à frente de alternativas fechadas e abertas no principal benchmark de tradução automática disponível.
