North Small Translate 1.0 مقابل NLLB-200: 50 لغة في مواجهة 200

يغطي النموذج الأحدث ربع اللغات. North Small Translate 1.0، الذي وثّقته Cohere في ملاحظات إصدارها بتاريخ 9 سبتمبر 2026، يترجم بين الإنجليزية و49 لغة أخرى. NLLB-200، وهو من عائلة No Language Left Behind التي أطلقتها Meta في يوليو 2022، يغطي 200. لو كان عدد اللغات هو كل المقارنة، لكان هذا مقالًا قصيرًا، لكنه ليس كذلك: النموذجان آلتان مختلفتان صُنعتا لمهام مختلفة، والفجوة البالغة أربع سنوات بينهما تظهر بطرق لا علاقة لها بعدد اللغات التي تظهر في قائمة. وفي ما يلي ما يبرع فيه كل منهما فعليًا، وما تكلفة تشغيله، وإلى أين يوجّهك الترخيص.

رقم التغطية، بصراحة

مئتان مقابل خمسين أمرٌ حقيقي، وهو السبب الأكثر استشهادًا به للإبقاء على NLLB-200 في أي حزمة. دربت Meta النموذج على أكثر من 18 مليار زوج من الجمل مع تركيز صريح على اللغات منخفضة الموارد، وهو يترجم مباشرة بين أي زوج بدلًا من التحويل عبر الإنجليزية — وهو خيار تصميمي بالغ الأهمية، على سبيل المثال، من البنغالية إلى التاميلية، حيث يفقد نظام التحويل عبر الإنجليزية الجودة مرتين.

ما يخفيه الرقم هو أن التداخل بين القائمتين هو الجزء المفيد تجاريًا. تشمل اللغات الخمسون في North Small Translate 1.0 الألمانية والفرنسية والإسبانية والبرتغالية والإيطالية والهولندية والبولندية والتشيكية واليابانية والكورية والصينية المبسطة والتقليدية والعربية والعبرية والهندية والبنغالية والتاميلية والتيلوغوية والتايلاندية والتركية والفيتنامية والإندونيسية والملايوية والروسية والأوكرانية — وهي اللغات التي تمثل الغالبية الساحقة من حجم التوطين المؤسسي. وتغطي NLLB-200 كل هذه اللغات أيضًا، بالإضافة إلى نحو 150 لغة أخرى لا تلمسها North Small Translate 1.0 على الإطلاق. لذا فالسؤال ليس أي القائمتين أطول. بل ما إذا كانت حركة المرور لديك تتضمن لغات يدعمها واحد فقط من الاثنين.

آلتان مختلفتان

فجوة البنية المعمارية هي الجزء الذي يحدد ما يمكنك بناؤه. أكبر نقطة تحقق مُصدَّرة من NLLB-200 هي نموذج خليط خبراء ذو بوابات متفرقة بحوالي 54.5 مليار معامل، بينما تعمل نظيراتها الكثيفة عند 3.3 مليار، و1.3 مليار، وصولاً إلى 600 مليون مُقطَّر. جميعها نماذج تسلسل-إلى-تسلسل بمُشفِّر-مُفكِّك في سلالة M2M-100: تسلم المُرمِّز مقطعًا مصدريًا، فيُعيد مقطعًا مترجمًا. لا يوجد قالب محادثة، ولا موجه نظام، ولا بنية متعددة الأدوار، ونقاط التحقق المُصدَّرة مبنية حول الترجمة على مستوى المقطع: تذكر بطاقة النموذج الخاصة بـ Meta أن النموذج دُرِّب بأطوال إدخال لا تتجاوز 512 رمزًا، وتحذر من أن التسلسلات الأطول تتدهور. الميزانية المجمعة للمُرمِّز للمصدر والهدف هي 1,024 رمزًا. تصف بطاقة NLLB-200 أيضًا أنه نموذج بحثي لم يُصدر للنشر الإنتاجي، وتشير إلى أنه غير مخصص لترجمة المستندات — وهو التمييز الذي يفصله بأكثر حدة عما بنته Cohere.

«North Small Translate 1.0» هو الشكل المعاكس. إنه نموذج MoE متناثر قائم على فك التشفير فقط، بإجمالي 218 مليار معامل و25 مليار معامل نشط لكل رمز، و128 خبيرًا مع ثمانية نشطين بالإضافة إلى خبراء مشتركين، وانتباه يناوب بين طبقات النافذة المنزلقة (نافذة 4,096، RoPE) وطبقات انتباه عالمية لا تحمل أي تضمينات موضعية. يعمل خلف قالب محادثة مع تعليمة نظام افتراضية، ونافذته 16 ألف رمز إدخال و16 ألف رمز إخراج. ميزانية الإخراج هذه هي الدليل: هذا نموذج صُمم ليُسلَّم وثيقة ويُطلب منه إرجاع وثيقة، لا نموذج صُمم ليُسلَّم جملة.

• إجمالي المعلمات — North Small Translate 1.0: 218 مليار MoE (25 مليار نشط) مقابل NLLB-200: 54.5 مليار MoE الرائد، 600 مليون–3.3 مليار كثيف

• البنية — فك ترميز فقط سببي قائم على MoE مع قالب دردشة مقابل ترميز-فك ترميز تسلسل-إلى-تسلسل بدون قالب دردشة

• السياق — 16K إدخال و16K إخراج مقابل مستوى المقطع، وميزانية مُجزِّئ الرموز 1,024 رمزًا إجمالًا

• اللغات — 50 (الإنجليزية + 49) مقابل 200

• أزواج مباشرة — تصنيف مُركَّز على الإنجليزية مقابل الترجمة من أي لغة إلى أي لغة دون محور إنجليزي

• ترخيص — CC BY-NC 4.0 مقابل CC BY-NC 4.0

• أصغر حجم — ‏1×B200 عند W4A16، و2×B200 عند FP8 مقابل ~37GB من VRAM بدقة 4-bit لطراز 54B، أما 600M فيعمل في أي مكان

• أُعلن — 9 سبتمبر 2026 (الأوزان مقيّد الوصول إليها على Hugging Face منذ 14 أغسطس) مقابل يوليو 2022

ما الذي لا يزال NLLB-200 يملكه

ثلاثة أمور، وهي ليست عاطفية. الأول هو الذيل الطويل: إذا كنت تحتاج إلى الأورومو أو التغرينية أو أي من اللغات الـ150 تقريبًا خارج قائمة North Small Translate 1.0، فالقرار محسوم بالفعل. الثاني هو البصمة في الطرف الصغير — نقطة التحقق المقطّرة 600M بلغت 1.4 مليون تنزيل وتعمل على أجهزة لا تستطيع حتى تحميل أوزان Cohere، ما يجعلها الوحيدة من بين الاثنين التي تناسب نشرًا معزولًا عن الشبكة أو على الحافة دون حيل التكميم. الثالث هو النضج: لدى NLLB-200 أربع سنوات من الأدوات، وتفرعات التكميم، وقصص معارك الإنتاج خلفه، إضافة إلى ورقة محكّمة في Nature من يونيو 2024 تصف كيف بُني. أما Cohere فقد نشرت ملاحظة إصدار.

المقايضة في الاتجاه الآخر ملموسة بالقدر نفسه. تصف بطاقة نموذج NLLB-200 بأنه نموذج بحثي لم يُطرح للنشر الإنتاجي، كما أن نقطة التحقق الرائدة 54B الخاصة به ثقيلة الوزن — نحو 350GB من التخزين، وفي حدود 108–120GB من VRAM لتشغيله دون ضغط. لا تبيع Meta نقطة نهاية NLLB مستضافة. تشغيله على نطاق واسع مشكلتك، وهي مشكلة حقيقية.

فخ الترخيص على كلا الجانبين

هذا هو الجزء الذي يفاجئ الناس، لأن النموذجين يحملان الترخيص نفسه، وهو ليس الترخيص الذي تفترضه معظم الفرق. تم إصدار كل من NLLB-200 وNorth Small Translate 1.0 بموجب رخصة Creative Commons Attribution-NonCommercial 4.0. لا يمكن استخدام أي منهما في منتج تجاري بالصيغة المنشورة. كان القيد غير التجاري في NLLB-200 مثيرًا للجدل بما يكفي لوجود مشروع مجتمعي يُسمى Open-NLLB تحديدًا لمحاولة إنشاء نسخة مشتقة قابلة للاستخدام التجاري، وهو ما يصطدم مباشرة بالترخيص الذي اشتُق منه. مسار Cohere أنظف: شراء ترخيص تجاري والنشر عبر Model Vault، مع توفر أوزان FP8 مجانًا على Hugging Face للعمل غير التجاري فقط.

هناك اختلال واحد جدير بالملاحظة. تشغّل Cohere نموذج North Small Translate 1.0 ضمن الطبقة المجانية من واجهة Chat V2 API الخاصة بها، مجانًا لمفاتيح التجربة والإنتاج حتى الوصول إلى حدود المعدل — لذا يمكنك إجراء تقييم حقيقي دون أي تكلفة، ولا توقّع شيئًا إلا إذا أطلقت. أما NLLB-200 فيمنحك الأوزان ولا شيء غيرها.

نشر أي منهما

تُطرح North Small Translate 1.0 في ثلاث نقاط تحقق — BF16 وFP8 وNVFP4 W4A16 — مع الحد الأدنى المنشور من العتاد لكل منها: أربع وحدات B200 أو ثماني وحدات H100 لـ BF16، ووحدتا B200 أو أربع وحدات H100 لـ FP8، ووحدة B200 واحدة أو وحدتا H100 لـ W4A16. تتم الخدمة عبر vLLM مع cohere_melody>=0.9.0، وتوصي Cohere بفك الترميز الجشع، بما يطابق إعدادها الإنتاجي. يُغلَّف الخرج بعلامتي <|START_TEXT|> و<|END_TEXT|> غير المسجلتين كرموز خاصة، لذا فإن skip_special_tokens=True الساذج سيتركهما في مخرجاتك.

يُنشر NLLB-200 عبر مسارات transformers أو fairseq القياسية مع تسامح أوسع بكثير مع الأجهزة الصغيرة، لأن نقاط التحقق المقطّرة بحجم 600M و1.3B هي التي يشغّلها معظم الناس فعليًا. أما 54B MoE فهو النموذج الذي يتطلب تخطيطًا.

سؤال التوجيه الذي تمثله هذه المواجهة فعليًا

لا يتوفر North Small Translate 1.0 ولا NLLB-200 في كتالوج OrcaRouter اليوم، لذا ليست هذه مقالة عن اختيار أحدهما من رفّنا. ومع ذلك، يجدر بنا تسمية شكل المشكلة، لأن "نموذجًا واحدًا للغات الطبقة الأولى، وآخر للذيل الطويل" هو سياسة توجيه — وسياسة التوجيه من النوع الذي ينبغي أن يوجد في الإعدادات لا في شيفرة التطبيق. تعبّر لغة المجال الخاصة بالتوجيه في OrcaRouter عن ذلك تحديدًا بصيغة YAML مع قواعد CEL، لذا يمكن لقاعدة زوج لغوي أن ترسل الأزواج الأوروبية إلى نموذج واحد وأن ترتد إلى نموذج آخر عندما لا يكون الزوج مدعومًا، كما أن سلاسل تجاوز الفشل تعني أن مصدرًا علويًا يبدأ بإرجاع الأخطاء لا يصبح انقطاعًا لخدمتك. هذا مفتاح واحد وتكامل واحد عبر كتالوج يضم أكثر من 200 نموذج بسعر قائمة المزوّد مع هامش ربح بنسبة 0%، بدلًا من عقد مورّد ثانٍ لكل نموذج ترجمة تقرر تجربته.

أيّ واحد يجب أن تلجأ إليه

إذا كانت استراتيجية المحتوى لديك تمسّ لغات خارج الخمسين الخاصة بـ Cohere، فأبقِ على NLLB-200 واعتبر الأمر محسومًا — فلا قدر من الحداثة المعمارية يعوّض عن لغة مفقودة. وإذا كنت تقوم بتوطين مؤسسي إلى اللغات التي أدرجتها Cohere، وتعمل ضمن مستند لا ضمن جملة، ومستعد لشراء ترخيص تجاري، فإن North Small Translate 1.0 هو النموذج الأقدر في كل بُعد تكشف عنه الوثائق، مع التحفظ المهم بأن دليل جودته الوحيد هو رقم واحد من المورّد لم يُعَد إنتاجه. وإذا كنت تبني نماذج أولية وليس لديك ميزانية، فإن الطبقة المجانية من Cohere تجعل ذلك التقييم شبه مجاني، وهو موضع انطلاق أفضل من موضع NLLB-200، حيث إن ثمن معرفة ذلك هو استئجار GPU.

الطريقة المفيدة للإمساك بالحقيقتين معًا: NLLB-200 هو النموذج الذي يصل إلى اللغات التي لا يصل إليها أي نموذج آخر، وقد بُني في 2022 للترجمة البحثية على مستوى الجملة. North Small Translate 1.0 هو النموذج الذي يتقن عددًا أقل من اللغات على نحو أفضل، وقد بُني في 2026 للمستندات. الاختيار بينهما ليس في الحقيقة حكمًا على الجودة. بل هو سؤال عن اللغات التي تدعمها فعليًا.