North Small Translate 1.0: โมเดลใหญ่ที่เงียบที่สุดของ Cohere เท่าที่เคยมีมา

North Small Translate 1.0 เป็นโมเดลแปลภาษาแบบ mixture-of-experts ขนาด 218 พันล้านพารามิเตอร์จาก Cohere และ Cohere Labs และมันเปิดตัวในแบบที่การเปิดตัวระดับ frontier มีน้อยครั้งมากที่จะเป็น นั่นคือมีเพียง release note และไม่มีอะไรอื่น changelog ของ Cohere ระบุวันประกาศว่าเป็นวันที่ 9 กันยายน 2026 แต่เช็กพอยต์ทั้งสามได้อยู่บน Hugging Face หลังประตู gating มาตั้งแต่วันที่ 14 สิงหาคมแล้ว — สามสัปดาห์ครึ่งของเวตที่ไม่มี blog post ไม่มีสื่อรายงาน และไม่มีเธรดเปิดตัว ตอนที่เขียนสิ่งนี้ รีพозиториหลักแสดงยอดไลก์เป็นศูนย์ ยอดดาวน์โหลด 26 ครั้งในเดือนที่ผ่านมา และมีกระทู้สนทนาในคอมมูนิตีเพียงหนึ่งกระทู้ที่ยังไม่มีคำตอบ โมเดลขนาด 218B ที่มีคะแนน WMT26 ซึ่งผู้จำหน่ายรายงานว่า 83.60 แต่แทบไม่มีใครสังเกตเห็น เป็นเรื่องที่ควรค่าแก่การอธิบาย ดังนั้นนี่คือสิ่งที่เอกสารและรีพозиториยืนยันได้จริง แยกออกจากสิ่งที่ทั้งสองไม่ได้ยืนยัน

ตัวเลขที่ Cohere ลงชื่อรับรอง

เริ่มจากสเปกก่อน เพราะสเปกนั้นชัดเจนไม่กำกวมและเป็นส่วนของรีลีสนี้ที่รู้ได้อย่างสมบูรณ์ North Small Translate 1.0 เป็นโมเดล sparse mixture-of-experts แบบ decoder-only — รูปแบบเดียวกับที่ Cohere ใช้กับ Command A+ ในเดือนพฤษภาคม 2026 — มี 128 experts เปิดใช้งานแปดตัวต่อโทเคน บวกกับ shared experts ที่ทำงานกับทุกโทเคน เราเตอร์ใช้การเปิดใช้งานแบบ sigmoid กับ expert logits และนอร์มัลไลซ์ทั่วการเลือก top-k แอตเทนชันสลับกันในอัตราส่วน 3:1 ระหว่างเลเยอร์ sliding-window (หน้าต่าง 4,096, RoPE) กับเลเยอร์ global attention ที่ไม่มีการฝังตำแหน่งเลย

• พารามิเตอร์ — รวม 218B, ใช้งาน 25B ต่อโทเคน

• บริบท — อินพุต 16K และเอาต์พุต 16K

• ภาษา — ภาษาอังกฤษและอีก 49 ภาษา รวมทั้งหมด 50 ภาษา

• ภาษาในระดับสูงสุด — ภาษาอาหรับมาตรฐานสมัยใหม่ เยอรมัน ฝรั่งเศส ญี่ปุ่น เกาหลี รัสเซีย ยูเครน

• เช็คพอยต์ — BF16, FP8 และ NVFP4 W4A16

• ฮาร์ดแวร์ขั้นต่ำ — BF16: 4×B200 หรือ 8×H100; FP8: 2×B200 หรือ 4×H100; W4A16: 1×B200 หรือ 2×H100

• สัญญาอนุญาต — CC BY-NC 4.0 โดยการใช้เชิงพาณิชย์จะส่งไปที่ Model Vault ของ Cohere

• คุณภาพที่รายงาน — WMT26 83.60 เพิ่มขึ้นเป็น 84.36 ด้วยเวิร์กโฟลว์การแปลหลายรอบแบบเอเจนต์

สองบรรทัดในนั้นคู่ควรกับมากกว่าหัวข้อย่อยเพียงข้อเดียว หน้าต่างบริบทอยู่ที่ 16K เอาต์พุต ซึ่งเป็นเรื่องผิดปกติสำหรับโมเดลแปลภาษา และเป็นความต่างระหว่างการแปลย่อหน้าหนึ่งย่อหน้ากับการแปลเอกสารขั้นตอนทั้งหมดจบในรอบเดียว ส่วนตัวเลขเชิงเอเจนต์ — 84.36 เทียบกับ 83.60 — เป็น Cohere ที่กำลังอธิบายเวิร์กโฟลว์ ไม่ใช่ตัวโมเดล: หลายรอบ และสันนิษฐานว่ามีเอเจนต์คอยตัดสินใจว่าจะแปลอะไรซ้ำ แนวคิดนี้เป็นแนวคิดเดียวกับที่ Cohere เคยขายในชื่อ "Deep Translation" พร้อมกับ Command A Translate เมื่อเดือนสิงหาคม 2025 และกลับมาปรากฏที่นี่ในสเกลที่ใหญ่กว่า

สิ่งที่คลังโค้ดแสดงให้เห็น แต่บันทึกการเผยแพร่ไม่ได้แสดง

เอกสารประกาศเปิดตัวเป็นเอกสารการตลาด ส่วนรีโพซิทอรีเป็นของฝ่ายวิศวกรรม และรายละเอียดไม่กี่อย่างในนั้นสำคัญกว่าสเปกที่พาดหัวข่าว การให้บริการ (serving) รองรับผ่าน vLLM ด้วยcohere_melody>=0.9.0 และ Cohere แนะนำให้ใช้ greedy decoding โดยระบุไว้ชัดเจนว่า "ตรงกับการดีพลอยในโปรดักชัน" — โมเดลแปลที่บอกให้คุณปิดการสุ่มตัวอย่าง คือโมเดลแปลที่มุ่งไปที่ความแน่นอนตายตัว ไม่ใช่การเขียนเชิงสร้างสรรค์ เอาต์พุตถูกครอบด้วยมาร์กเกอร์<|START_TEXT|> และ <|END_TEXT|>ตัวมาร์กเกอร์ และการพาร์สคาดหวังให้ใช้melodyไลบรารีของ Cohere มาร์กเกอร์เหล่านี้ไม่ได้ลงทะเบียนเป็นโทเคนพิเศษ ดังนั้นการตั้งค่าskip_special_tokens=Trueจึงไม่ตัดมันออก — เป็นกับดักเล็ก ๆ ที่จะทำให้มีแท็กโผล่ให้เห็นเต็มไปหมดเมื่ออินทิเกรตแบบง่าย ๆ

นอกจากนี้ยังมีเทมเพลตแชทที่มีคำสั่งระบบเริ่มต้นซึ่งแสดงโมเดลในชื่อ "North Small Translate" และระบุว่าสร้างโดย Cohere ข้อความระบบต่อบทสนทนาจะถูกผนวกเข้ากับค่าเริ่มต้นนั้นแทนที่จะแทนที่มัน — มีสิ่งที่แยกต่างหากคือplatform_instruction_override ช่องหากคุณต้องการแทนที่มัน มันเป็นลักษณะของระบบที่บอกคุณว่านี่คือโมเดลแชทที่ผ่านการฝึกมาแล้วซึ่งสวมบทบาทงานแปล ไม่ใช่โมเดล encoder-decoder แบบดั้งเดิม

อยู่ตรงไหนในไลน์ของ Cohere

สายการสืบทอด (lineage) เป็นบริบทที่มีประโยชน์ที่สุดในการอ่านข่าวการเปิดตัวครั้งนี้ และมีการบันทึกไว้เป็นเอกสารแล้ว Command A Translate ซึ่งประกาศเมื่อวันที่ 28 สิงหาคม 2025 เป็นโมเดลแปลด้วยเครื่องรุ่นแรกของ Cohere — พารามิเตอร์ 111B หน้าต่างขนาด 16K แบ่งเป็นอินพุต 8K และเอาต์พุต 8K รองรับ 23 ภาษา และเผยแพร่เพื่อการวิจัยภายใต้สัญญาอนุญาต CC-BY-NC ส่วน North Small Translate 1.0 เพิ่มจำนวนภาษามากกว่าสองเท่าเป็น 50 ภาษา เพิ่มจำนวนพารามิเตอร์ที่ใช้งานจริงเป็นสามเท่าเป็น 25B คงขนาดหน้าต่างรวมไว้ที่ 16K แต่ทำให้ทั้งหน้าต่างใช้งานได้สำหรับเอาต์พุต และเปลี่ยนจากโมเดลแบบ dense-ish เดี่ยวมาเป็น sparse MoE ที่มีขนาดพอ ๆ กับที่ Cohere ใช้อยู่แล้วในส่วนอื่นของสายผลิตภัณฑ์ North

การตีความอย่างตรงไปตรงมาคือ นี่เป็นอนุพันธ์เฉพาะทางของแกน MoE ปัจจุบันของ Cohere ซึ่งถูกฝึกต่อยอดสำหรับการแปล มากกว่าจะเป็นสถาปัตยกรรมใหม่ การ์ดโมเดลระบุไว้ในบรรทัดเดียวว่า มัน "ถูกฝึกต่อยอดโดยเฉพาะเพื่อคุณภาพการแปล" และไม่ได้เปิดเผยอะไรเกี่ยวกับคลังข้อมูลที่ใช้ฝึก จำนวนโทเคน หรือไปป์ไลน์ข้อมูล รายงานทางเทคนิคของ Command A Translate อธิบายเทคนิคการกรองข้อมูลตามความยากไว้อย่างละเอียด แต่ไม่มีอะไรเทียบเท่าที่เผยแพร่สำหรับโมเดลนี้

อะไรคือสิ่งที่ยังไม่ได้รับการยืนยันอย่างแท้จริง

นี่คือจุดที่การเปิดตัวแบบเงียบ ๆ ต้องได้รับการจัดการอย่างระมัดระวัง เพราะการไม่มีความฮือฮานั้นส่งผลได้ทั้งสองทาง ต่อไปนี้คือเรื่องที่ปัจจุบันไม่มีใครนอก Cohere รู้:

• WMT26 83.60 วัดค่าอะไร ไม่มีการระบุชื่อเมตริกใด ๆ บนโมเดลการ์ดหรือในบันทึกการเผยแพร่ และไม่มีการเผยแพร่หน้ารesults ของ WMT26 สำหรับโมเดลนี้ "83.60" ที่ไม่มีชื่อเมตริกประกอบก็เป็นเพียงตัวเลข ไม่ใช่ผลลัพธ์

• ว่าคะแนนจะทำซ้ำได้หรือไม่ ไม่มีกลุ่มอิสระใดได้รันโมเดลนี้ ตัวเลขทุกตัวในบทความนี้เป็นข้อมูลของ Cohere เอง

• เวิร์กโฟลว์แบบหลายรอบที่ขับเคลื่อนด้วยเอเจนต์นั้นแท้จริงคืออะไร ตัวเลข 84.36 ถูกอธิบายไว้ในอนุประโยคเดียว เป็นข้อกล่าวอ้างระดับระบบที่แนบมากับโมเดลการ์ด และไม่ได้ระบุว่าระบบดังกล่าวคืออะไร

• ค่าใช้จ่ายของใบอนุญาตเชิงพาณิชย์เป็นเท่าใด Cohere แนะนำให้องค์กรต่างๆ ติดต่อฝ่ายขายและ Model Vault โดยไม่มีการเผยแพร่ราคาไว้ในหน้าเอกสาร

• ว่าบล็อกโพสต์จะตามมาหรือไม่ Cohere มีบล็อกอยู่แล้ว Command A Translate ได้โพสต์เต็ม ๆ ส่วนโมเดลนี้ได้แค่บันทึกการเผยแพร่

ไม่มีสิ่งใดในนั้นเป็นการกล่าวหา มันคือความแตกต่างระหว่างโมเดลที่คุณประเมินได้กับผลิตภัณฑ์ที่คุณซื้อได้ และในตอนนี้ North Small Translate 1.0 ก็จัดอยู่ในประเภทแรกอย่างเต็มตัว — แถมด้วยอีกหนึ่งสิ่งที่คุณใช้ได้ฟรี

แพ็กเกจฟรีคือส่วนที่คุณทดลองใช้ได้จริงวันนี้

ต่างจากการปล่อยเวทล้วน ๆ ครั้งนี้มีพื้นผิวที่ใช้งานได้จริง: North Small Translate 1.0 อยู่ในระดับฟรีของ Cohere ผ่าน Chat V2 API และบันทึกประจำรุ่นของ Cohere ระบุว่าฟรีสำหรับทั้งคีย์ทดลองและคีย์โปรดักชันจนกว่าจะถึงขีดจำกัดอัตรา นั่นคือช่วงเวลาประเมินที่ผ่อนปรนอย่างผิดปกติ — คุณไม่จำเป็นต้องมีสัญญาแบบชำระเงินเพื่อส่งทราฟฟิกจริงผ่านมัน ส่วนเวทนั้นเป็นชุด FP8 บน Hugging Face ภายใต้ CC BY-NC 4.0 ดังนั้นการโฮสต์เองเพื่อวัตถุประสงค์เชิงพาณิชย์จึงเป็นไปไม่ได้หากไม่มีข้อตกลง Model Vault

รูปธรรมในทางปฏิบัติของการตัดสินใจก็คือ: ประเมินผ่าน API ได้โดยไม่มีค่าใช้จ่าย และจ่ายเฉพาะเมื่อคุณตัดสินใจจะนำไปใช้งานจริง นั่นคือการทดลองที่มีความเสี่ยงต่ำ และเป็นประเภทของสิ่งที่เลเยอร์จัดเส้นทาง (routing layer) ถูกสร้างขึ้นมาเพื่อรองรับ ถ้าคุณเรียกใช้บริการแปลผ่าน OrcaRouter อยู่แล้ว — คีย์เดียวครอบคลุมแคตตาล็อกมากกว่า 200 โมเดล โดยราคาตามรายการของผู้ให้บริการถูกส่งต่อโดยบวกมาร์กอัป 0% — คำถามที่ประเมินได้ไม่ใช่ "ฉันควรย้ายระบบไหม" แต่เป็น "สิ่งนี้ดีกว่าสิ่งที่ฉันเรียกใช้อยู่กับเอกสารของตัวเองหรือไม่" ซึ่งคุณตอบได้โดยรันข้อความเดียวกันผ่านทั้งสองทาง ผู้ให้บริการที่ลดราคาจะกลายเป็นการเปลี่ยนแปลงที่เกิดผลทันทีฝั่งเราในวันเดียวกัน เพราะไม่มีส่วนต่างของผู้ขายต่อมาซ้อนทับอยู่ข้างบน และสำหรับโมเดลที่มีเบนช์มาร์กเดียวที่ยังไม่มีการทำซ้ำและไม่มีการประเมินจากบุคคลที่สาม การสลับเมื่อล้มเหลว (failover) คือกลไกที่ให้คุณลองใช้ได้โดยไม่ต้องเดิมพันเส้นทางโปรดักชันกับมัน: ทราฟฟิกของคุณยังคงไหลไปยังโมเดลที่ทำงานได้อยู่แล้ว ขณะที่โมเดลใหม่ถูกวัดผลกับอินพุตจริง

อะไรจะทำให้สิ่งนี้เปลี่ยนจากบันทึกการเปิดตัวกลายเป็นการเปิดตัวจริง ๆ

สามสิ่งที่จะผลักดัน North Small Translate 1.0 จากการเป็นรายการในเอกสารประกอบให้กลายเป็นคู่แข่งตัวจริง และทั้งสามสิ่งนี้สามารถสังเกตเห็นได้จากภายนอก ประการแรก ตัวชี้วัดที่มีชื่อเรียกสำหรับตัวเลข WMT26 — ค่า 83.60 ที่มีตัวชี้วัดกำกับอยู่สามารถนำมาเปรียบเทียบได้ ส่วนค่าที่ไม่มีตัวชี้วัดกำกับนั้นเปรียบเทียบไม่ได้ ประการที่สอง การทำซ้ำอย่างเป็นอิสระครั้งแรก ไม่ว่าจะมาจากแคมเปญประเมิน WMT26 โดยตรง หรือจากบุคคลที่สามที่รันการทดสอบแบบ FLORES บนเวต FP8 ประการที่สาม โพสต์เปิดตัวจริง ซึ่งจะส่งสัญญาณว่า Cohere ตั้งใจจะขายสิ่งนี้ ไม่ใช่เพียงแค่เผยแพร่มัน

จนถึงตอนนั้น ท่าทีที่ถูกต้องคือท่าทีที่หลักฐานสนับสนุน: ผู้เชี่ยวชาญด้านการแปลแบบ MoE ขนาด 218B ที่น่าสนใจจริง ๆ พร้อมเส้นทางประเมินผลฟรี ห้าสิบภาษา และหน้าต่างเอาต์พุตระดับความยาวเอกสาร ซึ่งคำกล่าวอ้างเรื่องคุณภาพนั้นอาศัยเพียงคำพูดของผู้ผลิตเท่านั้น Cohere ได้เปิดตัวโมเดลที่แปลภาษาได้สี่รุ่นในสิบสามเดือน และมีเพียงรุ่นเดียวเท่านั้นที่ได้โพสต์บล็อก ข้อเท็จจริงสองข้อนั้น ข้อใดให้ข้อมูลได้มากกว่ากัน คือคำถามที่ควรค่าแก่การครุ่นคิด