North Small Translate 1.0 vs NLLB-200: 50 språk mot 200

Den nyare modellen täcker en fjärdedel av språken. North Small Translate 1.0, som Cohere dokumenterade i sina versionsanteckningar den 9 september 2026, översätter mellan engelska och 49 andra språk. NLLB-200, familjen No Language Left Behind som Meta släppte i juli 2022, täcker 200. Om antalet språk vore hela jämförelsen skulle detta vara en kort artikel, men det är det inte: de två modellerna är olika maskiner byggda för olika uppgifter, och fyraårsgapet mellan dem visar sig på sätt som inte har något att göra med hur många språk som står på en lista. Det som följer är vad var och en faktiskt är bra för, vad de kostar att köra och vart licensieringen leder dig.

Täckningsnumret, ärligt talat

Tvåhundra mot femtio är verkligt och det är det enskilt mest citerade skälet att behålla NLLB-200 i en stack. Meta tränade det på fler än 18 miljarder meningspar med en uttalad tonvikt på lågresursspråk, och det översätter direkt mellan vilket par som helst i stället för att pivotera via engelska – ett designval som har enorm betydelse för till exempel bengali till tamil, där ett engelskpivot-system tappar kvalitet två gånger.

Det som siffran döljer är att överlappningen mellan de två listorna är den kommersiellt användbara delen. North Small Translate 1.0:s femtio språk omfattar tyska, franska, spanska, portugisiska, italienska, nederländska, polska, tjeckiska, japanska, koreanska, förenklad och traditionell kinesiska, arabiska, hebreiska, hindi, bengali, tamil, telugu, thailändska, turkiska, vietnamesiska, indonesiska, malajiska, ryska och ukrainska – de språk som står för den överväldigande majoriteten av företagslokaliseringens volym. NLLB-200 täcker också alla dessa, plus ungefär 150 fler som North Small Translate 1.0 inte berör alls. Så frågan är inte vilken lista som är längre. Den är huruvida din trafik omfattar språk som bara en av de två stöder.

Två olika maskiner

Arkitekturgapet är den del som avgör vad du kan bygga. NLLB-200:s största släppta checkpoint är en mixture-of-experts-modell med gles gating och ungefär 54,5 miljarder parametrar, och dess täta syskon ligger på 3,3B, 1,3B och ända ner till en destillerad 600M. Alla är encoder-decoder-modeller av sekvens-till-sekvens-typ i M2M-100-linjen: du ger tokenizern ett källsegment och den returnerar ett översatt segment. Det finns ingen chattmall, ingen systemprompt, ingen flertursstruktur, och de släppta checkpointerna är byggda kring översättning på segmentnivå: Metas eget modellkort anger att modellen tränades med indatalängder som inte överstiger 512 tokens och varnar för att längre sekvenser försämras. Tokenizerns sammanlagda budget för källa och mål är 1 024 tokens. NLLB-200:s modellkort beskriver den också som en forskningsmodell som inte släppts för driftsättning i produktion och noterar att den inte är avsedd för dokumentöversättning – den skillnad som skarpast skiljer den från det Cohere byggde.

North Small Translate 1.0 har motsatt form. Det är en decoder-only gles MoE med 218 miljarder parametrar totalt och 25 miljarder aktiva per token, 128 experter med åtta aktiva plus delade experter, och attention som varvar sliding-window-lager (fönster 4 096, RoPE) med globala attention-lager som saknar positionsinbäddningar. Den körs bakom en chattmall med en förvald systeminstruktion, och dess fönster är 16K tokens indata och 16K tokens utdata. Den där utdatabudgeten är avslöjandet: det här är en modell byggd för att man ska kunna ge den ett dokument och få ett dokument tillbaka, inte en modell byggd för att man ska kunna ge den en mening.

• Totala parametrar – North Small Translate 1.0: 218B MoE (25B aktiva) vs NLLB-200: 54,5B MoE-flaggskepp, 600M–3,3B täta

• Arkitektur — decoder-only kausal MoE med chattmall kontra encoder-decoder seq2seq utan chattmall

• Kontext — 16K in och 16K ut jämfört med segmentnivå, tokenizer-budget 1 024 tokens sammanlagt

• Språk — 50 (engelska + 49) mot 200

• Direkta par — engelskcentrerad nivåindelning kontra alla-till-alla utan en engelsk pivot

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

• Minsta fotavtryck — 1×B200 vid W4A16, 2×B200 vid FP8 jämfört med ~37 GB VRAM vid 4-bit för 54B, 600M körs var som helst

• Tillkännagavs — 9 september 2026 (vikter med begränsad åtkomst på Hugging Face sedan 14 augusti) mot juli 2022

Vad NLLB-200 fortfarande äger

Tre saker, och de är inte sentimentala. Den första är den långa svansen: om du behöver oromo, tigrinska eller något av de ungefär 150 språk som ligger utanför North Small Translate 1.0:s lista, är beslutet redan fattat. Den andra är fotavtrycket i den lilla änden – den destillerade 600M-checkpointen har 1,4 miljoner nedladdningar och körs på hårdvara som inte ens skulle kunna ladda Cohere-vikterna, vilket gör den till den enda av de två som passar i en luftgapad eller edge-driftsättning utan kvantiseringstricks. Den tredje är mognad: NLLB-200 har fyra år av verktyg, kvantiseringsforks och produktionskrigshistorier bakom sig, plus en referentgranskad artikel i Nature från juni 2024 som beskriver hur den byggdes. Cohere har publicerat en releasenot.

Avvägningen åt andra hållet är lika konkret. NLLB-200:s modellkort beskriver den som en forskningsmodell som inte släpptes för produktionsdrift, och dess flaggskeppscheckpoint på 54B är en tungviktare – ungefär 350 GB lagringsutrymme och i storleksordningen 108–120 GB VRAM för att serva den okomprimerad. Meta säljer ingen hostad NLLB-slutpunkt. Att köra den i skala är ditt problem, och det är ett reellt problem.

Licensfällan på båda sidor

Det här är delen som förvånar folk, eftersom de två modellerna har samma licens och det är inte den som de flesta team antar. Både NLLB-200 och North Small Translate 1.0 släpps under Creative Commons Attribution-NonCommercial 4.0. Ingen av dem kan användas i en kommersiell produkt i befintligt skick. NLLB-200:s icke-kommersiella begränsning har varit tillräckligt omstridd för att ett communityprojekt som heter Open-NLLB finns specifikt för att försöka skapa en kommersiellt användbar derivatversion, vilket krockar direkt med licensen som den härstammar från. Coheres väg är renare: köp en kommersiell licens och distribuera via Model Vault, med FP8-vikterna gratis på Hugging Face endast för icke-kommersiellt arbete.

Det finns en asymmetri som är värd att påpeka. Cohere kör North Small Translate 1.0 på gratisnivån i sitt Chat V2-API, gratis för test- och produktionsnycklar tills hastighetsgränserna nås – så du kan köra en riktig utvärdering utan kostnad och bara skriva på något om du lanserar. NLLB-200 ger dig vikter och inget annat.

Att distribuera endera

North Small Translate 1.0 levereras i tre checkpoints — BF16, FP8 och NVFP4 W4A16 — med publicerad minimihårdvara för var och en: fyra B200 eller åtta H100 för BF16, två B200 eller fyra H100 för FP8, och en enda B200 eller två H100 för W4A16. Servering sker via vLLM med cohere_melody>=0.9.0, och Cohere rekommenderar girig avkodning, i linje med sin produktionskonfiguration. Utdata omges av <|START_TEXT|>- och <|END_TEXT|>-markörer som inte är registrerade som specialtoken, så en naiv skip_special_tokens=True kommer att lämna dem kvar i dina utdata.

NLLB-200 driftsätts via standardvägarna i transformers eller fairseq med en mycket större tolerans för blygsam hårdvara, eftersom det är de destillerade checkpunkterna på 600M och 1,3B som de flesta faktiskt kör. 54B-MoE är den som kräver planering.

Routingfrågan som den här matchningen faktiskt representerar

Varken North Small Translate 1.0 eller NLLB-200 finns med i OrcaRouters katalog i dag, så det här är inte en artikel om att plocka en från vår hylla. Det är ändå värt att sätta namn på problemets form, för "en modell för tier-1-språken, en annan för den långa svansen" är en routingpolicy – och en routingpolicy är precis en sådan sak som bör ligga i konfigurationen i stället för i applikationskoden. OrcaRouters routing-DSL uttrycker exakt det som YAML plus CEL-regler, så en regel för språkpar kan skicka europeiska par till en modell och falla tillbaka på en annan när ett par inte stöds, och failover-kedjor gör att en uppström som börjar returnera fel inte blir ditt avbrott. Det är en nyckel och en integration över en katalog med fler än 200 modeller till leverantörens listpris med 0 % påslag, i stället för ett andra leverantörsavtal för varje översättningsmodell du bestämmer dig för att prova.

Vilken du bör välja

Om din innehållsstrategi berör språk utanför Coheres femtio, behåll NLLB-200 och betrakta det som avgjort — ingen mängd arkitektonisk modernitet kompenserar för ett saknat språk. Om du gör företagslokalisering till de språk som Cohere listade, arbetar utifrån ett dokument snarare än en mening och är beredd att köpa en kommersiell licens, är North Small Translate 1.0 den mer kapabla modellen i varje dimension som dokumentationen redovisar, med det viktiga förbehållet att dess enda kvalitetsbevis är en ej reproducerad leverantörssiffra. Om du prototypar och inte har någon budget gör Coheres gratisnivå den utvärderingen nästan gratis, vilket är ett bättre utgångsläge än NLLB-200:s, där priset för att ta reda på det är en GPU-hyrning.

Det användbara sättet att hålla båda fakta i minnet samtidigt: NLLB-200 är modellen som når de språk som ingen annan gör, och den byggdes 2022 för forskningsöversättning på meningsnivå. North Small Translate 1.0 är modellen som hanterar färre språk bättre, och den byggdes 2026 för dokument. Att välja mellan dem är egentligen inte en kvalitetsbedömning. Det är en fråga om vilka språk du faktiskt levererar.