North Small Translate 1.0 vs NLLB-200: 50 języków kontra 200

Nowszy model obsługuje jedną czwartą języków. North Small Translate 1.0, który Cohere udokumentował w informacjach o wydaniu z 9 września 2026 r., tłumaczy między angielskim a 49 innymi językami. NLLB-200, rodzina No Language Left Behind udostępniona przez Meta w lipcu 2022 r., obsługuje 200. Gdyby liczba języków była całym porównaniem, ten artykuł byłby krótki, ale tak nie jest: te dwa modele to różne maszyny zbudowane do różnych zadań, a dzieląca je czteroletnia różnica ujawnia się w sposobach, które nie mają nic wspólnego z tym, ile języków pojawia się na liście. W dalszej części opisano, do czego każde z nich faktycznie się nadaje, ile kosztuje ich uruchamianie i dokąd prowadzi cię licencjonowanie.

Liczba zasięgu, szczerze mówiąc

Dwieście kontra pięćdziesiąt to fakt i to najczęściej przywoływany powód, by trzymać NLLB-200 w stosie. Meta wytrenowała go na ponad 18 miliardach par zdań z wyraźnym naciskiem na języki niskoresursowe, a on tłumaczy bezpośrednio między dowolną parą, zamiast pośredniczyć przez angielski — wybór projektowy, który ma ogromne znaczenie na przykład w przypadku pary bengalski–tamilski, gdzie system oparty na pośrednictwie angielskiego traci jakość dwukrotnie.

To, co ukrywa ta liczba, to fakt, że część wspólna obu list jest komercyjnie użyteczna. Wśród pięćdziesięciu języków North Small Translate 1.0 znajdują się niemiecki, francuski, hiszpański, portugalski, włoski, niderlandzki, polski, czeski, japoński, koreański, chiński uproszczony i tradycyjny, arabski, hebrajski, hindi, bengalski, tamilski, telugu, tajski, turecki, wietnamski, indonezyjski, malajski, rosyjski i ukraiński — języki odpowiadające za przytłaczającą większość wolumenu lokalizacji korporacyjnych. NLLB-200 obejmuje również wszystkie te języki, a do tego około 150 kolejnych, których North Small Translate 1.0 w ogóle nie obsługuje. Nie chodzi więc o to, która lista jest dłuższa. Chodzi o to, czy w Twoim ruchu występują języki obsługiwane tylko przez jedno z tych dwóch.

Dwa różne maszyny

Różnica architektoniczna to element, który decyduje o tym, co możesz zbudować. Największy udostępniony checkpoint NLLB-200 to model typu mixture-of-experts z rzadkim bramkowaniem, liczący około 54,5 miliarda parametrów, a jego gęste odpowiedniki mają 3,3 mld, 1,3 mld, aż do destylowanego modelu 600 mln. Wszystkie z nich to modele sekwencja-do-sekwencji typu encoder-decoder z linii M2M-100: przekazujesz tokenizerowi segment źródłowy, a on zwraca przetłumaczony segment. Nie ma szablonu czatu, promptu systemowego ani struktury wieloturowej, a udostępnione checkpointy są zbudowane wokół tłumaczenia na poziomie segmentu: własna karta modelu Meta stwierdza, że model był trenowany z długościami danych wejściowych nieprzekraczającymi 512 tokenów, i ostrzega, że dłuższe sekwencje ulegają degradacji. Łączny budżet tokenizera na źródło i cel wynosi 1024 tokeny. Karta NLLB-200 opisuje go również jako model badawczy nieudostępniony do wdrożeń produkcyjnych i zaznacza, że nie jest przeznaczony do tłumaczenia dokumentów — różnica, która najwyraźniej odróżnia go od tego, co zbudowała Cohere.

North Small Translate 1.0 ma przeciwny kształt. To rzadki MoE tylko z dekoderem, mający 218 miliardów parametrów łącznie i 25 miliardów aktywnych na token, 128 ekspertów, z których ośmiu jest aktywnych, plus ekspertów współdzielonych, oraz uwagę, która przeplata warstwy przesuwanego okna (okno 4096, RoPE) z globalnymi warstwami uwagi niemającymi osadzeń pozycyjnych. Działa za szablonem czatu z domyślną instrukcją systemową, a jego okno to 16 tys. tokenów wejścia i 16 tys. tokenów wyjścia. Ten budżet wyjściowy mówi sam za siebie: to model zbudowany po to, by przekazać mu dokument i poprosić o zwrócenie dokumentu, a nie model zbudowany po to, by przekazać mu zdanie.

• Łączna liczba parametrów — North Small Translate 1.0: 218B MoE (25B aktywnych) vs NLLB-200: flagowy MoE 54,5B, gęste modele 600M–3,3B

• Architektura — przyczynowy MoE z tylko dekoderem i szablonem czatu vs enkoder-dekoder seq2seq bez szablonu czatu

• Kontekst — 16K na wejściu i 16K na wyjściu vs na poziomie segmentu, łączny budżet tokenizera 1 024 tokeny

• Języki — 50 (angielski + 49) vs 200

• Pary bezpośrednie — warstwowanie zorientowane na angielski vs. dowolny-z-dowolnym bez angielskiego języka pośredniczącego

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

• Minimalna zajętość — 1×B200 przy W4A16, 2×B200 przy FP8 w porównaniu z ~37 GB VRAM przy 4 bitach dla 54B, 600M działa wszędzie

• Ogłoszono — 9 września 2026 r. (wagi z ograniczonym dostępem na Hugging Face od 14 sierpnia) vs lipiec 2022

Co NLLB-200 wciąż posiada

Trzy rzeczy i żadna nie jest sentymentalna. Pierwsza to długi ogon: jeśli potrzebujesz oromo, tigrinii albo któregokolwiek z około 150 języków spoza listy North Small Translate 1.0, decyzja już zapadła. Druga to ślad w segmencie najmniejszych modeli — destylowany checkpoint 600M ma za sobą 1,4 miliona pobrań i działa na sprzęcie, który nie załadowałby nawet wag Cohere, co czyni go jedynym z tych dwóch, który nadaje się do wdrożenia w środowisku odizolowanym od sieci lub brzegowym bez sztuczek z kwantyzacją. Trzecia to dojrzałość: NLLB-200 ma za sobą cztery lata narzędzi, forków kwantyzacji i produkcyjnych opowieści z pierwszej linii, a do tego recenzowany artykuł w Nature z czerwca 2024 r. opisujący, jak go zbudowano. Cohere opublikowało notę o wydaniu.

Kompromis w drugą stronę jest równie konkretny. Karta modelu NLLB-200 opisuje go jako model badawczy, który nie został wydany do wdrożeń produkcyjnych, a jego flagowy checkpoint 54B to prawdziwy ciężar — około 350 GB pamięci masowej i rzędu 108–120 GB VRAM, aby obsługiwać go bez kompresji. Meta nie sprzedaje hostowanego punktu końcowego NLLB. Uruchamianie go na dużą skalę jest twoim problemem — i to prawdziwym.

Pułapka licencyjna po obu stronach

To jest część, która zaskakuje ludzi, ponieważ oba modele mają tę samą licencję i nie jest to ta, którą zakłada większość zespołów. Zarówno NLLB-200, jak i North Small Translate 1.0 są wydane na licencji Creative Commons Attribution-NonCommercial 4.0. Żadnego z nich nie można używać w produkcie komercyjnym w takiej postaci, w jakiej zostały opublikowane. Ograniczenie niekomercyjne NLLB-200 było na tyle kontrowersyjne, że istnieje projekt społecznościowy o nazwie Open-NLLB, którego celem jest próba stworzenia komercyjnie użytecznego rozwiązania pochodnego, co od razu zderza się z licencją, z której jest ono pochodną. Droga Cohere jest czystsza: kup licencję komercyjną i wdrażaj przez Model Vault, a wagi FP8 są bezpłatne na Hugging Face wyłącznie do prac niekomercyjnych.

Jest jedna asymetria, którą warto podkreślić. {{1}}Cohere{{/1}} udostępnia {{2}}North Small Translate 1.0{{/2}} w darmowym planie swojego {{3}}Chat V2 API{{/3}}, bezpłatnie dla kluczy testowych i produkcyjnych, dopóki nie zostaną osiągnięte limity szybkości — dzięki temu możesz przeprowadzić prawdziwą ewaluację przy zerowym koszcie i podpisać coś dopiero wtedy, gdy wdrożysz. {{4}}NLLB-200{{/4}} daje ci wagi i nic więcej.

Wdrażanie któregokolwiek z nich

North Small Translate 1.0 jest dostępny w trzech checkpointach — BF16, FP8 i NVFP4 W4A16 — z opublikowanymi minimalnymi wymaganiami sprzętowymi dla każdego z nich: cztery B200 lub osiem H100 dla BF16, dwa B200 lub cztery H100 dla FP8 oraz pojedynczy B200 lub dwa H100 dla W4A16. Obsługa odbywa się przez vLLM z cohere_melody>=0.9.0, a Cohere zaleca dekodowanie zachłanne, zgodne z jej konfiguracją produkcyjną. Wyjście jest opakowane w znaczniki <|START_TEXT|> i <|END_TEXT|>, które nie są zarejestrowane jako tokeny specjalne, więc naiwne skip_special_tokens=True pozostawi je w twoim wyjściu.

NLLB-200 wdraża się przez standardowe ścieżki transformers lub fairseq, ze znacznie większą tolerancją dla słabszego sprzętu, ponieważ to destylowane checkpointy 600M i 1.3B są tymi, które większość ludzi faktycznie uruchamia. 54B MoE jest tym, który wymaga planowania.

Kwestia rozstawienia, którą tak naprawdę reprezentuje ten pojedynek

Ani North Small Translate 1.0, ani NLLB-200 nie znajdują się w katalogu OrcaRouter dzisiaj, więc to nie jest tekst o wybieraniu jednego z nich z naszej półki. Warto jednak nazwać kształt tego problemu, bo „jeden model dla języków pierwszej kategorii, inny dla długiego ogona” to polityka routingu — a polityka routingu to coś, co powinno mieszkać w konfiguracji, a nie w kodzie aplikacji. DSL routingu OrcaRouter wyraża dokładnie to jako YAML plus reguły CEL, więc reguła dla pary językowej może kierować pary europejskie do jednego modelu i przełączać się na inny, gdy dana para nie jest obsługiwana, a łańcuchy awaryjne sprawiają, że upstream, który zaczyna zwracać błędy, nie staje się twoją awarią. To jeden klucz i jedna integracja w katalogu ponad 200 modeli w cenie katalogowej dostawcy z 0% marży, a nie druga umowa z dostawcą dla każdego modelu tłumaczeniowego, który postanowisz wypróbować.

Po który z nich powinieneś sięgnąć

Jeśli Twoja strategia treści obejmuje języki spoza pięćdziesięciu obsługiwanych przez Cohere, trzymaj się NLLB-200 i uznaj to za rozstrzygnięte — żadna ilość nowoczesności architektonicznej nie zrekompensuje brakującego języka. Jeśli prowadzisz lokalizację korporacyjną na języki wymienione przez Cohere, pracujesz w obrębie dokumentu, a nie zdania, i jesteś gotów kupić licencję komercyjną, North Small Translate 1.0 jest zdolniejszym modelem w każdym wymiarze ujawnionym w dokumentacji, z ważnym zastrzeżeniem, że jego jedynym dowodem jakości jest jeden nieodtworzony wynik podany przez dostawcę. Jeśli tworzysz prototyp i nie masz budżetu, darmowy plan Cohere sprawia, że ta ocena jest niemal darmowa, co jest lepszą pozycją startową niż w przypadku NLLB-200, gdzie ceną przekonania się jest wynajem GPU.

Użyteczny sposób, aby pamiętać o obu faktach jednocześnie: NLLB-200 to model, który dociera do języków, do których nie dociera nikt inny, i powstał w 2022 r. z myślą o badawczym tłumaczeniu na poziomie zdań. North Small Translate 1.0 to model, który obsługuje mniej języków, ale za to lepiej, i powstał w 2026 r. z myślą o dokumentach. Wybór między nimi nie jest tak naprawdę oceną jakości. To kwestia tego, które języki faktycznie obsługujesz.