North Small Translate 1.0 vs NLLB-200: 50개 언어 대 200개

더 새로운 모델은 언어의 4분의 1을 지원한다. North Small Translate 1.0은 Cohere가 2026년 9월 9일 릴리스 노트에 문서화한 모델로, 영어와 다른 49개 언어 사이를 번역한다. NLLB-200은 2022년 7월 Meta가 공개한 No Language Left Behind 제품군으로, 200개 언어를 지원한다. 언어 수가 비교의 전부라면 이 글은 짧았겠지만, 그렇지 않다. 두 모델은 서로 다른 작업을 위해 만들어진 서로 다른 기계이며, 두 모델 사이의 4년 격차는 목록에 몇 개의 언어가 올라 있느냐와 아무 관련이 없는 방식으로 드러난다. 이어지는 내용에서는 각 모델이 실제로 어떤 점에서 강한지, 실행 비용은 얼마인지, 그리고 라이선스가 어디로 이끄는지를 살펴본다.

커버리지 수치, 솔직히.

200 대 50은 현실이며, NLLB-200을 스택에 유지해야 하는 가장 많이 인용되는 단일 이유입니다. Meta는 180억 개가 넘는 문장 쌍으로 학습시켰고 저자원 언어를 명시적으로 강조했으며, 영어를 경유하지 않고 어떤 언어 쌍이든 직접 번역합니다 — 이는 예컨대 벵골어에서 타밀어로 번역할 때 대단히 중요한 설계 선택인데, 영어 경유 시스템은 품질을 두 번 떨어뜨립니다.

숫자가 감추고 있는 것은 두 목록의 겹치는 부분이 상업적으로 유용한 부분이라는 점이다. North Small Translate 1.0의 50개 언어에는 독일어, 프랑스어, 스페인어, 포르투갈어, 이탈리아어, 네덜란드어, 폴란드어, 체코어, 일본어, 한국어, 중국어 간체 및 번체, 아랍어, 히브리어, 힌디어, 벵골어, 타밀어, 텔루구어, 태국어, 터키어, 베트남어, 인도네시아어, 말레이어, 러시아어, 우크라이나어가 포함된다 — 기업 현지화 물량의 압도적 대부분을 차지하는 언어들이다. NLLB-200은 그 모두도 지원하며, North Small Translate 1.0이 전혀 다루지 않는 약 150개 언어를 추가로 지원한다. 따라서 문제는 어느 목록이 더 긴가가 아니다. 두 목록 중 하나만 지원하는 언어가 당신의 트래픽에 포함되어 있는가이다.

서로 다른 두 대의 기계

아키텍처 격차는 무엇을 만들 수 있는지를 결정하는 부분이다. NLLB-200의 가장 큰 공개 체크포인트는 약 545억 개 파라미터의 희소 게이팅 전문가 혼합(mixture-of-experts) 모델이며, 그 밀집형 형제 모델들은 3.3B, 1.3B, 그리고 증류된 600M까지 내려간다. 이들은 모두 M2M-100 계보의 인코더-디코더 시퀀스-투-시퀀스 모델이다. 토크나이저에 원문 세그먼트를 넘기면 번역된 세그먼트를 반환한다. 채팅 템플릿도, 시스템 프롬프트도, 멀티턴 구조도 없으며, 공개된 체크포인트는 세그먼트 수준 번역을 중심으로 만들어졌다. Meta 자체 모델 카드에는 이 모델이 512토큰을 넘지 않는 입력 길이로 학습되었다고 명시되어 있으며, 더 긴 시퀀스는 성능이 저하된다고 경고한다. 토크나이저의 원문 및 번역문 합산 한도는 1,024토큰이다. NLLB-200의 카드에는 또한 프로덕션 배포용으로 공개된 것이 아닌 연구 모델이라고 설명하며, 문서 번역을 위한 것이 아니라고 명시한다 — 이것이 Cohere가 만든 것과 가장 뚜렷하게 구분되는 차이점이다.

North Small Translate 1.0은 정반대의 형태입니다. 이는 총 2180억 개의 파라미터와 토큰당 250억 개의 활성 파라미터를 가진 디코더 전용 희소 MoE이며, 8개의 활성 전문가와 공유 전문가를 포함한 128개의 전문가, 그리고 슬라이딩 윈도우 레이어(윈도우 4,096, RoPE)와 위치 임베딩을 갖지 않는 전역 어텐션 레이어를 교대로 사용하는 어텐션을 갖추고 있습니다. 이는 기본 시스템 지침이 있는 채팅 템플릿 뒤에서 실행되며, 윈도우는 입력 16K 토큰과 출력 16K 토큰입니다. 그 출력 예산이 바로 단서입니다: 이는 문서를 건네받고 문서를 돌려받도록 만들어진 모델이며, 문장을 건네받도록 만들어진 모델이 아닙니다.

• 총 매개변수 — North Small Translate 1.0: 218B MoE(25B 활성) vs NLLB-200: 54.5B MoE 플래그십, 600M–3.3B 덴스

• 아키텍처 — 채팅 템플릿이 있는 디코더 전용 인과적 MoE 대 채팅 템플릿이 없는 인코더-디코더 seq2seq

• 컨텍스트 — 세그먼트 수준 대비 입력 16K 및 출력 16K, 토크나이저 예산 합계 1,024 토큰

• 언어 — 50개 (영어 + 49개) vs 200개

• 직접 쌍 — 영어 중심 계층화 vs 영어 피벗 없는 임의 언어 간 대응

• 라이선스 — CC BY-NC 4.0 vs CC BY-NC 4.0

• 최소 풋프린트 — 54B 모델의 경우 4비트에서 ~37GB VRAM이 필요한 것과 달리 W4A16에서 1×B200, FP8에서 2×B200, 600M 모델은 어디서나 실행 가능

• 발표 — 2026년 9월 9일 (가중치는 8월 14일부터 Hugging Face에서 게이트 방식으로 공개) vs 2022년 7월

NLLB-200이 여전히 소유하고 있는 것

세 가지입니다. 감상적인 얘기는 아닙니다. 첫째는 롱테일입니다: 오로모어, 티그리냐어, 또는 North Small Translate 1.0의 목록 밖에 있는 약 150개 언어 중 하나가 필요하다면, 결정은 이미 내려진 셈입니다. 둘째는 소형 쪽의 풋프린트입니다 — 증류된 600M 체크포인트는 다운로드 140만 건을 기록했고, Cohere 가중치를 로드조차 못 할 하드웨어에서 실행되므로, 양자화 트릭 없이 에어갭 또는 엣지 배포에 적합한 둘 중 유일한 모델입니다. 셋째는 성숙도입니다: NLLB-200에는 4년치 툴링, 양자화 포크, 프로덕션 실전 경험담이 있고, 게다가 그것이 어떻게 만들어졌는지 설명하는 2024년 6월자 동료 심사 Nature 논문도 있습니다. Cohere는 릴리스 노트를 발표했습니다.

반대 방향의 트레이드오프도 똑같이 구체적입니다. NLLB-200의 모델 카드에는 이 모델이 프로덕션 배포용으로 출시되지 않은 연구 모델이라고 설명되어 있으며, 플래그십 54B 체크포인트는 무거운 편으로, 대략 350GB의 스토리지와 압축하지 않고 서빙할 경우 108–120GB 정도의 VRAM이 필요합니다. Meta는 호스팅형 NLLB 엔드포인트를 판매하지 않습니다. 이를 대규모로 실행하는 것은 여러분의 문제이며, 그것도 실제로 큰 문제입니다.

양측의 라이선싱 함정

이 부분이 사람들을 놀라게 하는데, 두 모델이 동일한 라이선스를 따르고 있으며 그것은 대부분의 팀이 가정하는 라이선스가 아니기 때문입니다. NLLB-200과 North Small Translate 1.0은 모두 Creative Commons Attribution-NonCommercial 4.0으로 배포됩니다. 공개된 그대로는 어느 쪽도 상업적 제품에 사용할 수 없습니다. NLLB-200의 비상업적 제한은 논란이 많아서, Open-NLLB라는 커뮤니티 프로젝트가 상업적으로 사용 가능한 파생물을 만들기 위해 존재할 정도이며, 이는 자신이 파생된 라이선스와 정면으로 충돌합니다. Cohere의 방식은 더 깔끔합니다: 상업용 라이선스를 구매하고 Model Vault를 통해 배포하며, FP8 가중치는 비상업적 작업에 한해 Hugging Face에서 무료로 제공됩니다.

주목할 만한 비대칭성이 하나 있습니다. Cohere는 자사의 Chat V2 API 무료 티어에서 North Small Translate 1.0을 실행하며, 요금 제한에 도달할 때까지 체험판 및 프로덕션 키에 무료로 제공합니다 — 따라서 비용 없이 실제 평가를 실행하고, 출시할 때만 계약에 서명하면 됩니다. NLLB-200은 가중치만 제공하고 그 외에는 아무것도 제공하지 않습니다.

둘 중 하나를 배포하기

North Small Translate 1.0은 세 가지 체크포인트 — BF16, FP8, NVFP4 W4A16 — 로 제공되며, 각 체크포인트별 공개된 최소 하드웨어 사양은 다음과 같습니다. BF16의 경우 B200 4대 또는 H100 8대, FP8의 경우 B200 2대 또는 H100 4대, W4A16의 경우 B200 1대 또는 H100 2대입니다. 서빙은 cohere_melody>=0.9.0과 함께 vLLM을 통해 이루어지며, Cohere는 자사의 프로덕션 구성과 일치하는 그리디 디코딩(greedy decoding)을 권장합니다. 출력은 <|START_TEXT|> 및 <|END_TEXT|> 마커로 감싸지는데, 이 마커들은 특수 토큰으로 등록되어 있지 않으므로 skip_special_tokens=True를 그대로 사용하면 출력에 이 마커들이 남게 됩니다.

NLLB-200은 표준 transformers 또는 fairseq 경로를 통해 배포되며, 600M 및 1.3B 증류 체크포인트가 대부분의 사람들이 실제로 실행하는 것이기 때문에 소형 하드웨어에 대한 허용 범위가 훨씬 넓습니다. 54B MoE는 계획이 필요한 쪽입니다.

이 매치업이 실제로 나타내는 라우팅 질문

North Small Translate 1.0도 NLLB-200도OrcaRouter의 카탈로그에는 오늘 없습니다. 그래서 이 글은 우리 진열대에서 하나를 골라 오는 이야기가 아닙니다. 그럼에도 문제의 형태는 짚어 둘 가치가 있습니다. "1티어 언어에는 한 모델, 롱테일에는 또 다른 모델"이라는 것은 라우팅 정책이고, 라우팅 정책은 애플리케이션 코드가 아니라 설정에 있어야 할 종류의 것이기 때문입니다. OrcaRouter의 라우팅 DSL은 이를 YAML과 CEL 규칙으로 정확히 표현하므로, 언어 쌍 규칙 하나로 유럽어 쌍은 한 모델로 보내고 지원되지 않는 쌍은 다른 모델로 폴백할 수 있으며, 페일오버 체인 덕분에 오류를 반환하기 시작한 업스트림이 곧 여러분의 장애가 되지는 않습니다. 이는 {{4}}0% 마크업{{/4}}이 붙은 공급자 정가로 200개가 넘는 모델 카탈로그 전반에 걸쳐 하나의 키와 하나의 통합을 뜻합니다0% 마크업 — 시도해보기로 결정한 번역 모델마다 두 번째 벤더 계약을 맺는 대신에 말입니다.

어느 것을 선택해야 할까요?

콘텐츠 전략이 Cohere의 50개 언어 밖에 있는 언어를 다룬다면, NLLB-200을 유지하고 그것을 결론이 난 사안으로 여기세요 — 아키텍처가 아무리 현대적이어도 빠진 언어를 보상하지는 못합니다. Cohere가 나열한 언어로 엔터프라이즈 현지화를 하면서 문장이 아니라 문서 단위로 작업하고, 상용 라이선스를 구매할 의향이 있다면, North Small Translate 1.0은 문서에서 공개한 모든 차원에서 더 뛰어난 모델입니다. 다만 중요한 단서는 그 품질 근거가 단 하나의 재현되지 않은 벤더 수치뿐이라는 점입니다. 프로토타이핑 중이고 예산이 없다면, Cohere 무료 등급은 그 평가를 거의 무료로 만들어 주므로, 알아보는 데 드는 비용이 GPU 대여인 NLLB-200보다 더 나은 출발점입니다.

두 가지 사실을 동시에 기억하는 유용한 방법은 이렇습니다: NLLB-200은 다른 어떤 모델도 닿지 못하는 언어들에 도달하는 모델이며, 2022년에 문장 단위 연구용 번역을 위해 만들어졌습니다. North Small Translate 1.0은 더 적은 언어를 더 잘 처리하는 모델이며, 2026년에 문서를 위해 만들어졌습니다. 이 둘 중 하나를 고르는 것은 사실 품질 판단이 아닙니다. 그것은 여러분이 실제로 출시하는 언어가 무엇인지에 관한 질문입니다.