North Small Translate 1.0 : le grand modèle le plus discret de Cohere à ce jour

North Small Translate 1.0 est un modèle de traduction à mélange d'experts de 218 milliards de paramètres de Cohere et Cohere Labs, et il est arrivé comme très peu de versions à l'échelle de la frontière le font : avec une note de version et rien d'autre. Le journal des modifications de Cohere date l'annonce du 9 septembre 2026, mais les trois points de contrôle étaient déjà sur Hugging Face derrière un accès restreint depuis le 14 août — trois semaines et demie de poids sans billet de blog, sans couverture médiatique et sans fil de lancement. Au moment de la rédaction, le dépôt principal affichait zéro like, 26 téléchargements au cours du dernier mois et une seule discussion communautaire sans réponse. Un modèle de 218 milliards avec un score WMT26 de 83,60 rapporté par le fournisseur que presque personne n'a remarqué mérite une explication, alors voici ce que la documentation et le dépôt établissent réellement, séparé de ce qu'ils n'établissent pas.

Les chiffres auxquels Cohere a apposé son nom

Commencez par les spécifications, car elles sont sans ambiguïté et elles constituent la partie de cette version qui est entièrement connaissable. North Small Translate 1.0 est un modèle à mélange d'experts clairsemé de type décodeur uniquement — la même architecture que Cohere a utilisée pour Command A+ en mai 2026 — avec 128 experts, huit activés par token, plus des experts partagés qui s'exécutent sur chaque token. Le routeur applique une activation sigmoïde aux logits des experts et normalise sur l'ensemble de la sélection top-k. L'attention alterne selon un rapport de 3:1 entre des couches à fenêtre glissante (fenêtre 4 096, RoPE) et des couches d'attention globale qui ne portent aucun embedding positionnel du tout.

• Paramètres — 218B au total, 25B actifs par token

• Contexte — 16K d'entrée et 16K de sortie

• Langues — L'anglais plus 49 autres, 50 au total

• Langues de premier rang — arabe standard moderne, allemand, français, japonais, coréen, russe, ukrainien

• Points de contrôle — BF16, FP8 et NVFP4 W4A16

• Configuration matérielle minimale — BF16 : 4×B200 ou 8×H100 ; FP8 : 2×B200 ou 4×H100 ; W4A16 : 1×B200 ou 2×H100

• Licence — CC BY-NC 4.0, l'usage commercial étant orienté vers le Model Vault de Cohere

• Qualité signalée — WMT26 83,60, atteignant 84,36 grâce à un flux de traduction agentique à passes multiples

Deux de ces lignes méritent mieux qu'une puce. La fenêtre de contexte est de 16K en sortie, ce qui est inhabituel pour un modèle de traduction et fait toute la différence entre traduire un paragraphe et traduire un document de procédure entier en une seule passe. Et le chiffre agentique — 84,36 contre 83,60 — correspond à Cohere décrivant un flux de travail, pas un modèle : plusieurs passes, avec vraisemblablement un agent qui décide quoi retraduire. C'est la même idée que Cohere a vendue sous le nom de « Deep Translation » avec Command A Translate en août 2025, et elle réapparaît ici à plus grande échelle.

Ce que le dépôt montre et que la note de version ne montre pas

La note de version est un document marketing ; le dépôt est celui de l'ingénierie, et quelques détails y comptent plus que les spécifications mises en avant. Le serving est pris en charge via vLLM avec cohere_melody>=0.9.0, et Cohere recommande explicitement le décodage glouton « correspondant au déploiement en production » — un modèle de traduction qui vous dit de désactiver l'échantillonnage est un modèle de traduction visant le déterminisme, pas l'écriture créative. La sortie est entourée de <|START_TEXT|> et <|END_TEXT|> marqueurs, et l'analyse syntaxique attend la bibliothèque melody de Cohere. Ces marqueurs ne sont pas enregistrés comme jetons spéciaux, donc définir skip_special_tokens=True ne les supprimera pas — un petit piège qui produira des balises parasites visibles dans une intégration naïve.

Il existe également un gabarit de chat avec une instruction système par défaut qui présente le modèle sous le nom « North Small Translate » et indique qu'il est conçu par Cohere. Les messages système propres à chaque conversation sont ajoutés à cette instruction par défaut plutôt que de la remplacer — il existe un emplacement distinct platform_instruction_override si vous devez la déplacer. C'est le genre de mécanisme qui vous indique qu'il s'agit d'un modèle de chat post-entraîné portant une tâche de traduction, et non d'un encodeur-décodeur classique.

Où il se situe dans la gamme Cohere

La filiation est le contexte le plus utile pour lire cette version, et elle est documentée. Command A Translate, annoncé le 28 août 2025, était le premier modèle de traduction automatique de Cohere — 111B paramètres, une fenêtre de 16K scindée en 8K en entrée et 8K en sortie, 23 langues, et une version de recherche sous licence CC-BY-NC. North Small Translate 1.0 fait plus que doubler le nombre de langues, qui passe à 50, triple le nombre de paramètres actifs, qui passe à 25B, maintient la fenêtre totale à 16K mais rend l’intégralité de celle-ci utilisable pour la sortie, et remplace un seul modèle quasi-dense par un MoE épars avec la même empreinte que Cohere utilise déjà ailleurs dans la gamme North.

La lecture honnête est qu'il s'agit d'un dérivé spécialisé du cœur MoE actuel de Cohere, post-entraîné pour la traduction, plutôt que d'une nouvelle architecture. La fiche de modèle le dit en une ligne — il a été « post-entraîné spécifiquement pour la qualité de traduction » — et ne divulgue rien sur le corpus d'entraînement, le nombre de jetons ou le pipeline de données. Le rapport technique de Command A Translate décrivait en détail une technique de filtrage des données par difficulté ; rien d'équivalent n'a été publié pour ce modèle.

Qu’est-ce qui n’est vraiment pas confirmé ?

C'est ici qu'une sortie discrète doit être gérée avec prudence, car l'absence de bruit joue dans les deux sens. Voici des choses que personne en dehors de Cohere ne connaît actuellement :

• Ce que mesure le 83,60 de WMT26. Aucune métrique n'est nommée sur la fiche du modèle ni dans les notes de version, et aucune page de résultats WMT26 n'a été publiée pour ce modèle. « 83,60 » sans nom de métrique est un nombre, pas un résultat.

• Si le score est reproductible. Aucun groupe indépendant n'a exécuté ce modèle. Tous les chiffres de cet article sont ceux de Cohere.

• Ce qu'est réellement le workflow agentique multi-passes. Le chiffre de 84,36 est décrit dans une seule proposition. Il s'agit d'une affirmation au niveau du système, rattachée à une fiche de modèle, et le système n'est pas précisé.

• Combien coûte une licence commerciale. Cohere oriente les entreprises vers le service commercial et Model Vault. Aucun prix n'est publié sur la page de documentation.

• Si un article de blog est à venir. Cohere a un blog. Command A Translate a eu droit à un article complet. Ce modèle a eu droit à une note de version.

Rien de tout cela n’est une accusation. C’est la différence entre un modèle que vous pouvez évaluer et un produit que vous pouvez acheter, et à l’heure actuelle, North Small Translate 1.0 est résolument le premier — et, en plus, une chose que vous pouvez utiliser gratuitement.

Le niveau gratuit est la partie que vous pouvez réellement tester aujourd’hui

Contrairement à une simple publication de poids, celle-ci dispose d'une interface active : North Small Translate 1.0 est disponible sur l'offre gratuite de Cohere via l'API Chat V2, et la note de version de Cohere indique qu'il est gratuit à la fois pour les clés d'essai et les clés de production jusqu'à ce que les limites de débit soient atteintes. C'est une fenêtre d'évaluation inhabituellement permissive — vous n'avez pas besoin d'un contrat payant pour y faire transiter du trafic réel. Les poids, quant à eux, sont l'ensemble FP8 sur Hugging Face sous CC BY-NC 4.0, donc l'auto-hébergement à des fins commerciales est exclu sans accord Model Vault.

La forme concrète que prend la décision, donc : évaluer via l'API sans frais, et ne payer que si vous décidez de la mettre en production. C'est un essai à faible risque, et c'est exactement le genre de chose pour laquelle une couche de routage est conçue. Si vous passez déjà par OrcaRouter pour vos appels de traduction — une seule clé pour un catalogue de plus de 200 modèles, le prix catalogue du fournisseur répercuté à 0 % de marge — la question à évaluer n'est pas « dois-je migrer » mais « est-ce que cela fait mieux que ce que j'appelle déjà sur mes propres documents », à quoi vous pouvez répondre en faisant passer le même texte par les deux. Un fournisseur qui baisse son prix est un changement effectif de notre côté le jour même, parce qu'aucune marge de revendeur ne vient s'empiler par-dessus. Et pour un modèle qui n'a qu'un seul benchmark non reproduit et aucune évaluation tierce, le basculement est le mécanisme qui vous permet de l'essayer sans parier un chemin de production dessus : votre trafic continue d'aller vers le modèle qui fonctionne déjà pendant que le nouveau est évalué sur des entrées réelles.

Qu’est-ce qui transformerait ceci d’une note de version en une version ?

Trois choses feraient passer North Small Translate 1.0 du statut de simple entrée de documentation à celui de véritable concurrent, et toutes trois sont observables de l’extérieur. Premièrement, une métrique nommée pour le chiffre WMT26 — un 83,60 accompagné d’une métrique peut être comparé, ce qui n’est pas le cas sans. Deuxièmement, une première reproduction indépendante, qu’elle provienne de la campagne d’évaluation WMT26 proprement dite ou d’un tiers réalisant des tests de type FLORES sur les poids FP8. Troisièmement, un véritable billet de lancement, qui signalerait que Cohere a l’intention de vendre ce produit plutôt que de simplement l’avoir publié.

En attendant, la posture correcte est celle que les preuves soutiennent : un spécialiste de la traduction MoE de 218 B réellement intéressant, avec un accès d’évaluation gratuit, cinquante langues et une fenêtre de sortie de la longueur d’un document, dont les affirmations de qualité reposent entièrement sur la parole de son fabricant. Cohere a livré quatre modèles capables de traduction en treize mois, et un seul d’entre eux a eu droit à un billet de blog. Lequel de ces deux faits est le plus instructif, voilà la question qui mérite qu’on s’y attarde.