Models
Cohere presenta North Small Translate, un traductor de pesos oberts que supera DeepL i Google Translate
Cohere ha presentat North Small Translate, un model de traducció automàtica amb arquitectura mixture-of-experts (barreja d'experts) que cobreix més de 50 llengües. Segons les dades oficials de la companyia, encapçala el benchmark (prova de rendiment) WMT26 amb 83,60 punts i deixa enrere rivals molt més grans, com ara Qwen 3.5 397B A17B, i serveis comercials com DeepL NextGen i Google Translate. Els pesos del model es poden descarregar per a recerca i usos no comercials.
Rep el resum diari d'IA
Cada matí, l'essencial de la intel·ligència artificial al teu correu, sense fum. Al dia amb la IA.
En subscriure-t'hi acceptes rebre el butlletí d'AI Informator. Pots donar-te de baixa quan vulguis.
En resum
- North Small Translate obté 83,60 al benchmark WMT26 All Languages i se situa per davant de Qwen 3.5 397B A17B (81,56), DeepL NextGen (81,37), Gemma 4 31B on (79,46), GLM 5.2 FP8 (76,50) i Google Translate (68,20).
- La variant Agentic, capaç de detectar i corregir els seus propis errors de traducció, puja la puntuació fins a 84,36.
- El model cobreix 32 llengües amb molts recursos disponibles i 18 més, i arriba a multiplicar per 1,4 el throughput (velocitat de sortida) de Gemma 4 31B TP1 amb el mateix maquinari.
- Els pesos es publiquen per a recerca i usos no comercials, en diverses quantitzacions que gairebé no perden qualitat.
El model lidera el benchmark WMT26 amb menys paràmetres que els rivals
La xifra que resumeix el llançament són els 83,60 punts a WMT26 All Languages, l'avaluació de referència del sector en traducció automàtica. Aquest resultat situa North Small Translate per davant de Qwen 3.5 397B A17B (81,56) i de DeepL NextGen (81,37), i molt lluny de Google Translate (68,20). L'avaluació de WMT 2026 va fer servir GPT-5.6-Sol com a jutge automàtic.
El detall interessant no és només la posició, sinó la diferència de mida. Un model que es diu Small guanya un sistema de 397.000 milions de paràmetres totals, cosa que indica que especialitzar-se en una tasca concreta continua donant més resultat que créixer sense mesura. La variant Agentic, que revisa i corregeix la pròpia sortida abans de lliurar-la, puja la puntuació fins a 84,36.
Els avantatges més grans es veuen fora d'Europa i en textos llargs
Per regions, el model supera Gemma 4 31B (on) a Europa amb 82,2 punts contra 73,9, i queda pràcticament empatat al sud d'Àsia (86,2 contra 86,7). Davant de DeepL NextGen guanya a totes les regions no europees avaluades (MENA, és a dir, l'Orient Mitjà i el nord d'Àfrica, a més del sud d'Àsia, el sud-est asiàtic i l'est d'Àsia), amb diferències d'entre 8 i 10 punts al sud d'Àsia i a MENA.
El contrast més cridaner arriba amb els textos llargs, on North Small Translate obté 48,9 punts: més del doble que Google Translate (21,3) i que Gemma 4 31B (19,4). Traduir documents sencers mantenint la coherència de terminologia i de registre és precisament el punt feble dels traductors clàssics, pensats per a frases soltes.
El cost d'execució també forma part de l'argument
Cohere insisteix en el rendiment operatiu, un factor que sol decidir els desplegaments reals. Amb el mateix maquinari, el model arriba a generar 1,4 vegades més sortida que Gemma 4 31B TP1: 112 tokens de sortida per segon contra 81 amb poca càrrega simultània, i 39 contra 30 amb molta càrrega, és a dir, entre un 30 % i un 38 % més de tokens per segon.
Publicar els pesos en diverses quantitzacions gairebé sense pèrdua de qualitat reforça aquest argument. La quantització redueix la precisió numèrica del model perquè ocupi menys memòria i respongui més de pressa, cosa que permet executar-lo en infraestructura pròpia sense dependre d'una API externa.
La llicència limita l'ús comercial dels pesos
Val la pena llegir la lletra petita: els pesos es publiquen per a recerca i usos no comercials, no amb una llicència oberta permissiva. És el patró habitual del que la indústria anomena open-weight (pesos oberts): el model es pot descarregar, inspeccionar i executar, però no es pot explotar comercialment sense un acord previ.
Cohere emmarca el llançament en el seu discurs de sobirania tecnològica: poder executar la traducció a les instal·lacions del client mateix és decisiu per a les administracions públiques i els sectors regulats, que no poden enviar documents a servidors de tercers. A més, aquest és el primer model de traducció de la família North.
Conclusió
North Small Translate arriba en un moment en què la traducció automàtica semblava un problema resolt i repartit entre dos o tres proveïdors comercials. Les dades que aporta Cohere apunten en una altra direcció: un model compacte, que es pot executar en infraestructura pròpia i que té un avantatge clar en les llengües menys ateses i en els documents llargs. La restricció a l'ús no comercial en limita de moment l'adopció industrial, però marca el terreny de joc dels pròxims mesos, quan la competència ja no es decidirà només per la qualitat de la traducció, sinó per on es pot executar i a quin preu.
Fonts primàries
Rep el resum diari d'IA
Cada matí, l'essencial de la intel·ligència artificial al teu correu, sense fum. Al dia amb la IA.
En subscriure-t'hi acceptes rebre el butlletí d'AI Informator. Pots donar-te de baixa quan vulguis.
Comentarios