“机器翻译对世界上大多数语言来说仍然很糟糕”：Cohere 出于特定原因构建非推理模型
内容提要
Cohere发布开源机器翻译模型North Small Translate，采用混合专家架构，总参数2180亿、激活250亿，支持50种语言。模型面向企业主权AI需求，可本地部署以保障数据安全，非商业用途免费。在WMT26基准测试中得分83.60，领先谷歌翻译等竞品，长文档翻译表现突出，并支持术语表、结构化翻译及多轮自审工作流。
延伸解读
非推理架构的效率取舍
North Small Translate 采用非推理架构，依赖学习到的统计模式而非逐步逻辑推理，从而减少 token 消耗。Cohere 联合创始人 Nick Frosst 指出，这种设计提升了效率，但可能限制模型在需要复杂推理任务上的表现。对于翻译任务，统计模式通常足够，但在处理歧义或文化特定表达时，非推理方法可能不如推理模型灵活。
长文档翻译的挑战与改进
文章指出，当前机器翻译解决方案在处理长文档时容易“崩溃”，例如安全手册到第十页可能偏离原意。Cohere 的长上下文测试中，North Small Translate 得分为 48.9，远高于 Google Translate 的 21.3 和 Gemma 4 31B 的 19.4。这表明该模型在长文档一致性上有显著提升，但得分仍不高，说明长文档翻译仍是行业难题。
数据主权与企业部署
Cohere 将 North Small Translate 定位为主权 AI 战略的一部分，针对希望控制模型运行位置和数据处理的组织。通过本地部署或 Model Vault 托管推理环境，企业可以避免将敏感文档（如 HR 政策或受监管文件）发送到第三方 API，从而降低数据外泄风险。非商业用途可免费下载权重，商业部署需通过 Model Vault 授权。
多轮自审工作流的价值
模型支持多轮工作流：翻译、审查输出、发现并修正错误，这与训练循环一致。标准版单次翻译适合大批量处理，而代理版（agentic）消耗更多 token，在 WMT26 上得分 84.36 对比 83.60。对于合同或安全程序等关键文档，这种质量提升可能值得额外成本；其他场景则可优先考虑效率。
Q&A
Cohere 最新发布的机器翻译模型叫什么？它支持多少种语言？
Cohere 最新发布的机器翻译模型是 North Small Translate，支持 50 种语言（包括 32 种高资源语言和 18 种其他语言）。
North Small Translate 的架构和参数规模是怎样的？
North Small Translate 采用混合专家（MoE）架构，总参数 2180 亿，激活参数 250 亿。
这个模型在 WMT26 基准测试中的表现如何？
在 WMT26 全语言基准测试中，North Small Translate 得分为 83.60，领先于 Qwen 3.5 397B A17B（81.56）、GLM 5.2 FP8（76.50）、DeepL NextGen（81.37）、Gemma 4 31B（79.46）和 Google Translate（68.20）。
为什么 Cohere 选择构建非推理模型？
Cohere 联合创始人 Nick Frosst 表示，非推理模型依赖学习到的统计模式，无需逐步逻辑过程，因此使用更少的 token，效率更高。
North Small Translate 如何处理长文档翻译？
该模型在长上下文测试中得分 48.9，远高于 Google Translate 的 21.3 和 Gemma 4 31B 的 19.4，能更好地保持长文档翻译的一致性。
这个模型支持哪些企业级翻译工作流功能？
支持结构化翻译（如 Markdown 或 JSON 文档）、指令跟随（如推荐语气和格式）以及术语表（提供特定词汇），并具备多轮自审工作流，可翻译、审查并修正错误。
开发者如何获取和使用 North Small Translate？
开发者可以免费下载权重用于非商业用途（CC BY-NC 4.0 许可），提供三种量化版本。商业部署可通过 Cohere 管理的 Model Vault 进行。此外还有 Hugging Face Space 和 API 供硬件不足者使用。
