Cohere North Small Translate oversetter 50 språk med åpne vekter

Hvis du oversetter dokumenter som ikke bør sendes gjennom en tilfeldig skytjeneste, er Cohere North Small Translate verdt å merke seg. Modellen dekker 50 språk, inkludert norsk bokmål, og vektene kan lastes ned for forskning og annen ikke-kommersiell bruk. Bedrifter kan i tillegg kjøre den i et privat miljø med kommersiell lisens.

Dette er en spesialisert oversettelsesmodell, ikke enda en generell språkmodell som tilfeldigvis kan svare på tysk. North Small Translate har 218 milliarder parametere totalt, men aktiverer 25 milliarder for hvert token. Det gir Cohere rom til å fordele språkkompetansen mellom mange eksperter uten å bruke hele modellen i hver beregning.

Cohere har publisert lovende testresultater, men de er ikke et ferdig kvalitetsbevis for norske dokumenter. Den praktiske verdien ligger i kombinasjonen av bred språkdekning, privat utrulling, lang dokumentkontekst og en modell som faktisk er bygget for oversettelse.

Hva er Cohere North Small Translate?

North Small Translate er en tekstbasert Mixture-of-Experts-modell som Cohere har ettertrent spesielt for maskinoversettelse. Ifølge Coheres lansering 10. september 2026 støtter modellen mer enn 50 språkvarianter og har et kontekstvindu på 16 000 token inn og 16 000 token ut.

MoE-arkitekturen består av 128 eksperter. Åtte av dem aktiveres per token, i tillegg til delte eksperter som alltid brukes. Det er forklaringen på forskjellen mellom 218 milliarder totale og 25 milliarder aktive parametere. Modellen velger i praksis deler av nettverket som passer til hvert steg i oversettelsen, i stedet for å sende alle token gjennom samtlige parametere.

Det gjør beregningen mer effektiv enn størrelsen først antyder, men her er det lett å gå seg vill i markedsføringen. Du må fremdeles lagre vektene. En modell med 25 milliarder aktive parametere blir ikke til en vanlig 25B-modell på harddisken eller i GPU-minnet. Den minste offisielle kvantiseringen er oppgitt til rundt 131 GB, ned fra omtrent 437 GB for vektene før denne komprimeringen.

Språklisten er bred nok til å være praktisk interessant i Norge. I tillegg til norsk bokmål finner du blant annet svensk, dansk, tysk, fransk, spansk, polsk, ukrainsk, arabisk, hindi, japansk, koreansk og både forenklet og tradisjonell kinesisk. Det er et langt mer nyttig utgangspunkt for flerspråklige dokumentflyter enn en modell som først og fremst er god mellom engelsk og noen få store europeiske språk.

Hvor god er oversettelsen?

Cohere oppgir en samlet WMT26-score på 83,6 for standardmodellen. Det er et lovende leverandørresultat, men selskapet publiserte selv evalueringen og brukte GPT-5.6-Sol som dommer. Det er ikke det samme som en uavhengig blindtest.

Coheres flerpassvariant, som leter etter feil og retter oversettelsen i flere omganger, gjorde det bedre enn standardmodellen i selskapets test. Resultatene varierte samtidig mellom regioner. En gjennomsnittsscore kan derfor skjule at den beste modellen avhenger av språk, fagområde og teksttype.

Jeg ville ikke valgt oversettelsesmotor på lederbrettet alene. Ta et representativt utvalg av faktiske kontrakter, tekniske manualer, produktsider eller kundesamtaler. Få morsmålsbrukere til å kontrollere terminologi, tone, utelatelser og tall. Et lederbrett kan peke deg i riktig retning. Det kan ikke godkjenne en sikkerhetsprosedyre på norsk for deg.

Hvorfor betyr en spesialisert modell noe?

En spesialisert oversettelsesmodell kan prioritere trofast gjengivelse fremfor den frie formuleringsevnen som gjør generelle språkmodeller morsomme å snakke med. North Small Translate er laget for intern dokumentasjon, prosedyrer, tekniske manualer, kundestøtte, produktlokalisering og annet innhold der oversettelsen skal passe inn i en fast arbeidsflyt.

Cohere har også testet lange dokumenter ved å oversette to bokkapitler i ett kall og måle kvaliteten i hvert avsnitt separat med xCOMET-XL. Det er fortsatt en intern test, men den peker på et reelt problem: Oversettelser kan se fine ut avsnitt for avsnitt og likevel miste navn, begreper og sammenheng gjennom et langt dokument.

Dette er også grunnen til at privat utrulling er mer enn et teknisk leketøy. En bedrift kan holde personalhåndbøker, vedlikeholdsrapporter og interne rutiner i sitt eget miljø, samtidig som den bygger terminologilister, kvalitetskontroll og godkjenning rundt modellen. Du får mer kontroll over dataflyten enn med en lukket oversettelsesside der hele produktet og infrastrukturen bestemmes av leverandøren.

På jansverre.net har jeg tidligere skrevet om Cohere Transcribe som spesialisert talemodell. North Small Translate følger noe av den samme retningen: Et avgrenset språkproblem får en egen modell, i stedet for at alt skal presses inn i én generalist. Det kan være mindre glamorøst enn en chatbot som later som den kan alt. Det er ofte mer nyttig.

Kan modellen kjøres lokalt?

Ja, men «lokalt» betyr her en kraftig GPU-server, ikke en vanlig PC under skrivebordet. Det offisielle modellkortet på Hugging Face oppgir minst én Nvidia B200 eller to H100 for NVFP4 W4A16-varianten. FP8 trenger to B200 eller fire H100, mens BF16 er oppgitt til fire B200 eller åtte H100.

W4A16-varianten bruker 4-bits vekter og 16-bits aktiveringer. Cohere kvantiserer MoE-ekspertene, mens blant annet attention-projeksjoner, rutere og output head beholdes med høyere presisjon. Det kutter lagringsbehovet kraftig uten at alt presses ned til samme lave presisjon.

Det er også en viktig kompatibilitetsdetalj: W4A16-checkpointet er laget for vLLM og fungerer ikke direkte med Transformers, som mangler innebygd støtte for dette NVFP4-formatet. For nøyaktig responsparsing krever Cohere dessuten biblioteket cohere_melody>=0.9.0. Den offisielle vLLM-kommandoen bruker toveis tensorparallellitet på H100, et maksimalt modellvindu på 32 768 token og Coheres Command 4-parser for både verktøykall og reasoning.

Vil du bruke Transformers, peker modellkortet i stedet til BF16-vektene. Det er en dyr forskjell å oppdage etter at du har lastet ned feil checkpoint. Les derfor variantens modellkort før du planlegger infrastrukturen, og ikke regn «25B aktive» som om modellen passer på maskinvare som normalt kjører en tett 25B-modell.

Til sammenligning skrev jeg om Mistral Small 4 som en modell med flere generalistroller. Cohere går smalere her. North Small Translate har én tydelig jobb, men maskinvarekravet gjør den først og fremst aktuell for forskningsmiljøer, språkplattformer og bedrifter med ordentlig GPU-infrastruktur.

Hva koster det, og hva tillater lisensen?

Du kan prøve North Small Translate gratis gjennom Cohere API så lenge du holder deg innenfor tjenestens grenser. Coheres dokumentasjon oppgir modell-ID-en north-small-translate-1-0 og støtte i Chat API. Det er den enkleste veien til en praktisk kvalitetstest før du vurderer egen GPU-infrastruktur.

De nedlastbare vektene bruker CC BY-NC 4.0 sammen med Coheres regler for akseptabel bruk. «NC» betyr non-commercial. Du kan altså ikke bare laste ned modellen fra Hugging Face og sette den i kommersiell produksjon fordi filene er tilgjengelige. Åpne vekter er bra, men det er ikke det samme som en fri open source-lisens for enhver bruk.

For kommersiell bruk tilbyr Cohere Model Vault. Den publiserte Standard Vault-prisen er 17,50 dollar per instansetime for XL-nivået, cirka 162 kroner med Norges Banks dollarkurs 10. september. Det tilsvarer omtrent 116 600 kroner for 30 døgn med kontinuerlig drift, før eventuelle skykostnader, avgifter og andre deler av løsningen. Månedlige avtaler må avklares med Cohere.

RWS tilbyr også modellen gjennom Language Weaver for virksomheter som trenger en ferdig plattform rundt oversettelsen. Det kan være mer fornuftig enn rå modelltilgang dersom jobben også krever prosjektstyring, formatering, terminologiarbeid, menneskelig kontroll og integrasjon med eksisterende innholdssystemer. En modell oversetter tekst. En produksjonsflyt må håndtere alt rundt.

Hvem bør faktisk vurdere North Small Translate?

North Small Translate er mest interessant for virksomheter som oversetter mye, har strenge krav til hvor data behandles, eller må dekke språk som får ujevn kvalitet i vanlige forbrukertjenester. Norske bedrifter med teknisk dokumentasjon, supportinnhold eller ansatte i flere land har et konkret sted å begynne.

Start med API-et og et kontrollert testsett. Sammenlign standardmodus med flerpassoversettelse, mål behandlingstid og få fagfolk til å kontrollere de språkene som faktisk betyr noe. Dersom dataene er sensitive, må også prøveoppsettet følge virksomhetens krav. Først når kvalitet, volum og databehov er kjent, gir det mening å regne på Model Vault, Language Weaver eller egen maskinvare.

For privatpersoner og små team uten tung GPU-kapasitet er de åpne vektene først og fremst en forskningsmulighet. Modellen er ikke liten i vanlig forstand, uansett hva produktnavnet sier. Én B200 eller to H100 er et ganske effektivt punktum for forestillingen om at dette er en nedlasting du tester på en tilfeldig gaming-PC fredag kveld.

Jeg liker likevel retningen. Oversettelse er et område der lokal kontroll, stabil terminologi og bred språkdekning kan være viktigere enn at modellen også kan skrive dikt og diskutere middagsplaner. North Small Translate ser ut som en seriøs kandidat. Nå trenger den uavhengige tester på ekte dokumenter, særlig for norsk, før leverandørresultatet kan behandles som noe mer enn et lovende utgangspunkt.

Ofte stilte spørsmål