North Small Translate 1.0 vs NLLB-200: 50 Bahasa Dibandingkan 200

Model yang lebih baru mencakup seperempat dari bahasa-bahasa itu. North Small Translate 1.0, yang didokumentasikan Cohere dalam catatan rilisnya pada 9 September 2026, menerjemahkan antara bahasa Inggris dan 49 bahasa lainnya. NLLB-200, keluarga No Language Left Behind yang dirilis Meta pada Juli 2022, mencakup 200 bahasa. Jika jumlah bahasa adalah keseluruhan perbandingan, ini akan menjadi artikel yang singkat, tetapi bukan demikian: kedua model adalah mesin berbeda yang dibuat untuk pekerjaan berbeda, dan selang empat tahun di antara keduanya tampak dalam cara-cara yang tidak ada kaitannya dengan berapa banyak bahasa yang muncul dalam sebuah daftar. Berikut ini adalah untuk apa masing-masing sebenarnya cocok, berapa biaya menjalankannya, dan ke mana lisensinya membawa Anda.

Angka cakupan, sejujurnya

Dua ratus versus lima puluh itu nyata dan merupakan alasan tunggal yang paling banyak dikutip untuk mempertahankan NLLB-200 dalam sebuah stack. Meta melatihnya pada lebih dari 18 miliar pasangan kalimat dengan penekanan eksplisit pada bahasa-bahasa dengan sumber daya rendah, dan model ini menerjemahkan secara langsung antara pasangan mana pun alih-alih berporos melalui bahasa Inggris — pilihan desain yang sangat penting untuk, misalnya, Bengali ke Tamil, di mana sistem yang berporos pada bahasa Inggris kehilangan kualitas dua kali.

Apa yang disembunyikan oleh angka itu adalah bahwa irisan antara kedua daftar merupakan bagian yang berguna secara komersial. Kelima puluh bahasa North Small Translate 1.0 meliputi bahasa Jerman, Prancis, Spanyol, Portugis, Italia, Belanda, Polandia, Ceko, Jepang, Korea, Tionghoa Sederhana dan Tradisional, Arab, Ibrani, Hindi, Bengali, Tamil, Telugu, Thai, Turki, Vietnam, Indonesia, Melayu, Rusia, dan Ukraina — bahasa-bahasa yang mencakup mayoritas yang sangat besar dari volume lokalisasi perusahaan. NLLB-200 juga mencakup semua bahasa itu, ditambah sekitar 150 bahasa lagi yang sama sekali tidak ditangani North Small Translate 1.0. Jadi, pertanyaannya bukanlah daftar mana yang lebih panjang. Pertanyaannya adalah apakah trafik Anda mencakup bahasa yang hanya didukung oleh salah satu dari keduanya.

Dua mesin yang berbeda

Kesenjangan arsitektur adalah bagian yang menentukan apa yang dapat Anda bangun. Checkpoint terbesar NLLB-200 yang dirilis adalah model mixture-of-experts dengan gating sparse berukuran sekitar 54,5 miliar parameter, dan model dense sejenisnya berjalan pada 3,3B, 1,3B, dan turun hingga 600M hasil distilasi. Semuanya adalah model sequence-to-sequence encoder-decoder dalam garis keturunan M2M-100: Anda menyerahkan segmen sumber kepada tokenizer, lalu tokenizer mengembalikan segmen terjemahan. Tidak ada templat chat, tidak ada prompt sistem, tidak ada struktur multi-turn, dan checkpoint yang dirilis dibangun di sekitar terjemahan tingkat segmen: kartu model Meta sendiri menyatakan bahwa model dilatih dengan panjang input tidak melebihi 512 token, dan memperingatkan bahwa sekuens yang lebih panjang mengalami degradasi. Anggaran gabungan tokenizer untuk sumber dan target adalah 1.024 token. Kartu NLLB-200 juga mendeskripsikannya sebagai model riset yang tidak dirilis untuk penerapan produksi, dan mencatat bahwa model ini tidak ditujukan untuk terjemahan dokumen — perbedaan yang paling tajam memisahkannya dari apa yang dibangun oleh Cohere.

North Small Translate 1.0 adalah bentuk yang berkebalikan. Ini adalah MoE sparse decoder-only dengan total 218 miliar parameter dan 25 miliar aktif per token, 128 pakar dengan delapan aktif ditambah pakar bersama, dan atensi yang bergantian antara lapisan sliding-window (jendela 4.096, RoPE) dengan lapisan atensi global yang tidak membawa embedding posisional. Model ini berjalan di balik template chat dengan instruksi sistem default, dan jendelanya adalah 16K token input dan 16K token output. Anggaran output itu adalah petunjuknya: ini adalah model yang dibangun untuk diberi dokumen dan diminta mengembalikan dokumen, bukan model yang dibangun untuk diberi satu kalimat.

• Total parameter — North Small Translate 1.0: 218B MoE (25B aktif) vs NLLB-200: 54.5B MoE unggulan, 600M–3.3B dense

• Arsitektur — MoE kausal decoder-only dengan template chat vs seq2seq encoder-decoder tanpa template chat

• Konteks — 16K masuk dan 16K keluar vs tingkat segmen, anggaran tokenizer 1,024 token gabungan

• Bahasa — 50 (Inggris + 49) vs 200

• Pasangan langsung — penjenjangan berbasis bahasa Inggris vs any-to-any tanpa poros bahasa Inggris

• Lisensi — CC BY-NC 4.0 vs CC BY-NC 4.0

• Jejak minimum — 1×B200 pada W4A16, 2×B200 pada FP8 vs ~37GB VRAM pada 4-bit untuk 54B, 600M dapat berjalan di mana saja

• Diumumkan — 9 September 2026 (bobot dibatasi aksesnya di Hugging Face sejak 14 Agustus) vs Juli 2022

Apa yang masih dimiliki NLLB-200

Ada tiga hal, dan ketiganya tidak sentimental. Yang pertama adalah long tail: jika Anda membutuhkan Oromo, Tigrinya, atau salah satu dari sekitar 150 bahasa di luar daftar North Small Translate 1.0, keputusannya sudah ditentukan. Yang kedua adalah jejak pada skala kecil — checkpoint 600M hasil distilasi telah diunduh 1,4 juta kali dan berjalan di perangkat keras yang bahkan tidak akan mampu memuat bobot Cohere, yang menjadikannya satu-satunya dari keduanya yang cocok untuk penerapan air-gapped atau edge tanpa trik kuantisasi. Yang ketiga adalah kematangan: NLLB-200 memiliki empat tahun perkakas, fork kuantisasi, dan cerita pengalaman produksi di belakangnya, plus makalah Nature yang ditinjau sejawat dari Juni 2024 yang menjelaskan bagaimana ia dibangun. Cohere telah menerbitkan catatan rilis.

Sebaliknya, pertukarannya sama konkretnya. Kartu model NLLB-200 menggambarkannya sebagai model riset yang tidak dirilis untuk penerapan produksi, dan checkpoint unggulannya yang berukuran 54B merupakan kelas berat — sekitar 350GB penyimpanan, dan sekitar 108–120GB VRAM untuk melayaninya tanpa kompresi. Meta tidak menjual endpoint NLLB terkelola. Menjalankannya dalam skala besar adalah tanggung jawab Anda, dan itu masalah nyata.

Jebakan lisensi di kedua sisi

Inilah bagian yang mengejutkan banyak orang, karena kedua model ini membawa lisensi yang sama dan lisensi itu bukan yang diasumsikan sebagian besar tim. Baik NLLB-200 maupun North Small Translate 1.0 dirilis di bawah Creative Commons Attribution-NonCommercial 4.0. Keduanya tidak dapat digunakan dalam produk komersial sebagaimana dipublikasikan. Batasan non-komersial NLLB-200 cukup kontroversial sehingga ada proyek komunitas bernama Open-NLLB yang dibuat khusus untuk mencoba menghasilkan turunan yang dapat digunakan secara komersial, yang langsung berbenturan dengan lisensi asalnya. Jalur Cohere lebih bersih: beli lisensi komersial dan deploy melalui Model Vault, dengan bobot FP8 gratis di Hugging Face hanya untuk pekerjaan non-komersial.

Ada satu asimetri yang layak diperhatikan. Cohere menjalankan North Small Translate 1.0 pada tier gratis API Chat V2-nya, gratis untuk kunci uji coba dan produksi sampai batas laju tercapai — jadi Anda dapat menjalankan evaluasi nyata tanpa biaya dan hanya menandatangani sesuatu jika Anda merilis. NLLB-200 memberi Anda bobot dan tidak ada yang lain.

Menyebarkan salah satunya

North Small Translate 1.0 dirilis dalam tiga checkpoint — BF16, FP8, dan NVFP4 W4A16 — dengan perangkat keras minimum yang dipublikasikan untuk masing-masing: empat B200 atau delapan H100 untuk BF16, dua B200 atau empat H100 untuk FP8, dan satu B200 atau dua H100 untuk W4A16. Penyajian dilakukan melalui vLLM dengan cohere_melody>=0.9.0, dan Cohere merekomendasikan greedy decoding, sesuai dengan konfigurasi produksinya. Output dibungkus dalam penanda <|START_TEXT|> dan <|END_TEXT|> yang tidak terdaftar sebagai token khusus, sehingga skip_special_tokens=True yang naif akan membiarkannya tetap ada di output Anda.

NLLB-200 diterapkan melalui jalur transformers atau fairseq standar dengan toleransi yang jauh lebih luas untuk perangkat keras kecil, karena checkpoint terdistilasi 600M dan 1.3B adalah yang paling banyak benar-benar dijalankan orang. MoE 54B adalah yang memerlukan perencanaan.

Pertanyaan routing yang sebenarnya diwakili oleh pertandingan ini

Baik North Small Translate 1.0 maupun NLLB-200 tidak ada di katalog OrcaRouter saat ini, jadi ini bukan artikel tentang memilih salah satunya dari rak kami. Namun, tetap layak menyebutkan bentuk masalahnya, karena "satu model untuk bahasa tingkat satu, model lain untuk ekor panjang" adalah kebijakan perutean — dan kebijakan perutean adalah hal yang seharusnya berada dalam konfigurasi, bukan dalam kode aplikasi. DSL perutean OrcaRouter mengekspresikan hal itu persis sebagai YAML plus aturan CEL, sehingga aturan pasangan bahasa dapat mengirim pasangan bahasa Eropa ke satu model dan beralih ke model lain ketika suatu pasangan tidak didukung, dan rantai failover berarti upstream yang mulai mengembalikan error tidak menjadi gangguan Anda. Itu satu kunci dan satu integrasi di seluruh katalog lebih dari 200 model pada harga daftar penyedia dengan markup 0%, alih-alih kontrak vendor kedua untuk setiap model terjemahan yang ingin Anda coba.

Mana yang harus Anda pilih

Jika strategi konten Anda menyentuh bahasa di luar lima puluh bahasa Cohere, pertahankan NLLB-200 dan anggap itu sudah final — tidak ada tingkat kemodernan arsitektur yang dapat menggantikan bahasa yang hilang. Jika Anda melakukan pelokalan perusahaan ke bahasa-bahasa yang dicantumkan Cohere, bekerja dalam cakupan dokumen alih-alih kalimat, dan bersedia membeli lisensi komersial, North Small Translate 1.0 adalah model yang lebih mumpuni pada setiap dimensi yang diungkapkan dokumentasi, dengan peringatan penting bahwa satu-satunya bukti kualitasnya adalah satu angka dari vendor yang belum direproduksi. Jika Anda sedang membuat prototipe dan tidak punya anggaran, tier gratis Cohere membuat evaluasi itu nyaris gratis, yang merupakan posisi awal lebih baik daripada NLLB-200, di mana biaya untuk mengetahuinya adalah sewa GPU.

Cara yang berguna untuk memegang kedua fakta sekaligus: NLLB-200 adalah model yang menjangkau bahasa-bahasa yang tidak dijangkau model lain, dan model ini dibangun pada 2022 untuk penerjemahan penelitian tingkat kalimat. North Small Translate 1.0 adalah model yang menangani lebih sedikit bahasa dengan lebih baik, dan model ini dibangun pada 2026 untuk dokumen. Memilih di antara keduanya sebenarnya bukan penilaian kualitas. Ini adalah pertanyaan tentang bahasa mana yang benar-benar Anda rilis.