Qué ha lanzado Cohere
Cohere lanzó el 10 de septiembre North Small Translate 1.0, un modelo dedicado a la traducción automática cuyos pesos pueden descargarse desde Hugging Face. Es un modelo disperso de mezcla de expertos con 218.000 millones de parámetros en total, de los que unos 25.000 millones están activos en cada token, y cubre más de 50 idiomas, según el anuncio de Cohere.
La ficha del modelo, publicada bajo Cohere Labs, describe un transformer solo decodificador con 128 expertos, de los que se activan ocho por token junto con expertos compartidos. Admite hasta 16.000 tokens de entrada y devuelve hasta 16.000 tokens de salida, y solo trabaja con texto. Cohere afirma que la configuración cuantizada más pequeña funciona en una sola Nvidia B200 o en dos H100; la versión BF16 de precisión completa necesita ocho H100 o cuatro B200.
Pesos abiertos, pero no para negocio
Aquí la licencia importa más de lo habitual. North Small Translate se publica bajo Creative Commons CC BY-NC 4.0. Los pesos son abiertos en el sentido de que cualquiera puede descargarlos, examinarlos, ajustarlos y ejecutarlos en local. «NC» significa no comercial: se permite el uso personal y de investigación, pero no integrar el modelo en un producto de pago ni en los procesos internos de una empresa. Es, por tanto, un modelo de pesos abiertos, no de código abierto en el sentido habitual del término, y Unite.ai señala que el acceso en Hugging Face exige rellenar un formulario de contacto.
Las empresas tienen otra vía. El blog de Cohere indica que el despliegue comercial pasa por RWS, cuyos equipos de investigación de Language Weaver trabajaron en el modelo y cuyo producto Language Weaver lo ofrece. La ficha del modelo remite a quien quiera usarlo comercialmente al equipo de ventas de Cohere. Los investigadores obtienen el modelo gratis; los clientes de pago pasan por Cohere y RWS.
Las cifras de rendimiento y quién las ha elaborado
La principal afirmación de Cohere es que el modelo supera a los servicios de traducción especializados. En su propia evaluación con datos de prueba de WMT26, North Small Translate obtuvo 83,60 en el conjunto de idiomas, y 84,36 en un modo agéntico de varias pasadas en el que el modelo busca errores en su propia traducción y los corrige. En la misma tabla, Cohere sitúa a Qwen 3.5 397B en 81,56, a DeepL NextGen en 81,37, a Gemma 4 31B en 79,46, a GLM 5.2 en 76,50 y a Google Translate en 68,20.
Son cifras proporcionadas por el propio fabricante. WMT es la tarea compartida que la comunidad investigadora utiliza para comparar sistemas de traducción, pero la puntuación de esta tabla es de Cohere: el blog explica que los resultados los evaluó GPT-5.6-Sol, un modelo de lenguaje, no evaluadores humanos ni la clasificación oficial de WMT26. Nadie ajeno a Cohere ha reproducido todavía la comparación. El desglose por regiones, según Unite.ai, es además menos uniforme que la cifra global: North Small Translate superó a Gemma 4 por 82,2 a 73,9 en idiomas europeos, pero Gemma 4 puntuó ligeramente más alto en el sur de Asia, 86,7 frente a 86,2.
Cohere también presenta una prueba de contexto largo en la que cada modelo traduce dos capítulos de un libro en una sola llamada, y cada párrafo se puntúa por separado con la métrica xCOMET-XL. North Small Translate obtuvo 48,9, frente a 21,3 de Google Translate y 19,4 de Gemma 4 31B. Es la mayor diferencia del anuncio y la más relevante para traducir documentos completos en lugar de frases sueltas.
Velocidad y coste
Cohere afirma que el modelo ofrece alrededor de 1,4 veces el rendimiento de salida de Gemma 4 31B con baja concurrencia. También cifra el coste de una tarea de traducción media en 0,000676 dólares, frente a 0,038928 dólares con Gemini 3.1 Pro. Como las puntuaciones de calidad, son cifras de Cohere obtenidas con la configuración de pruebas de Cohere.
Qué vigilar
Los pesos abiertos son la parte que se puede comprobar. Las pruebas independientes con los datos públicos de WMT26, y los resultados de la propia tarea compartida, mostrarán si la ventaja sobre DeepL y Qwen se mantiene fuera de la evaluación de Cohere hecha con un modelo de lenguaje como juez. El resultado de contexto largo es el que más merece la pena poner a prueba, porque es donde Cohere reivindica el mayor margen.
