Cohere เปิดน้ำหนัก North Small Translate 218B — คะแนน WMT26 รวมนำทุกตัวในกราฟ แต่ในกลุ่มภาษาอาเซียนที่มีภาษาไทย Gemma 4 31B ทำได้สูงกว่า

วันที่ 10 กันยายน 2026 Cohere เปิดตัว North Small Translate โมเดลแปลภาษาตัวแรกในตระกูล North พัฒนาร่วมกับ RWS (ทีม Language Weaver) เป็น Mixture-of-Experts ขนาด 218B พารามิเตอร์ ใช้งานจริง 25B ต่อโทเคน รับและส่งออกเฉพาะข้อความ คอนเท็กซ์ 16K อินพุตและ 16K เอาต์พุต รองรับ 50 ภาษา ซึ่งมีภาษาไทยอยู่ในรายชื่อด้วย ร่วมกับเวียดนาม อินโดนีเซีย มาเลย์ และฟิลิปิโน (ไม่มีพม่า เขมร หรือลาว)

น้ำหนักอยู่บน Hugging Face แบบ gated ที่อนุมัติอัตโนมัติ ใต้ไลเซนส์ CC BY-NC 4.0 พร้อมภาคผนวกเรื่องการใช้งานที่ยอมรับได้ และต้องปฏิบัติตาม Acceptable Use Policy ของ Cohere Labs ด้วย คือใช้ได้เฉพาะงานวิจัยและงานที่ไม่ใช่เชิงพาณิชย์ ส่วนการใช้เชิงพาณิชย์ต้องไปผ่านผลิตภัณฑ์ Language Weaver ของ RWS รีโปทั้งสามถูกสร้างไว้ตั้งแต่ 14 ส.ค. แต่เพิ่งเปิดพร้อมประกาศ

สามไฟล์ สามขนาดฮาร์ดแวร์

การ์ดโมเดลลิสต์ควอนไทซ์สามแบบ และระบุว่าทั้งสามเป็นเช็กพอยต์ที่ Cohere ใช้เสิร์ฟจริงใน production:

รุ่น	ขนาดรีโป	ขั้นต่ำฝั่ง Blackwell	ขั้นต่ำฝั่ง Hopper
BF16	436.5 GB	4× B200	8× H100
FP8	219.5 GB	2× B200	4× H100
NVFP4 W4A16 (น้ำหนัก 4 บิต)	130.9 GB	1× B200	2× H100

มีจุดไม่ตรงกันเล็ก ๆ ที่ควรรู้ก่อนวางแผน: ตาราง Snapshot ในบล็อกเขียนฮาร์ดแวร์ขั้นต่ำว่า “1× B200 @ W4A4” และ “2× H100s @ W4A4” แต่รีโปที่ปล่อยจริงคือ W4A16 คือบีบเฉพาะน้ำหนักเป็น 4 บิต ส่วน activation ยังเป็น 16 บิต ซึ่งสมเหตุสมผลกว่าสำหรับ H100 เพราะสถาปัตยกรรม Hopper ไม่มี tensor core สำหรับ FP4 การ์ดยังแนะนำให้ติดตั้ง transformers จาก source และใช้ greedy decoding แบบเดียวกับที่ Cohere ใช้ใน production

คะแนนรวมนำจริง — แต่กราฟรายภูมิภาคเล่าอีกเรื่อง

ตัวเลขพาดหัวคือ WMT26 All Languages ที่ 83.60 (โหมด Agentic ที่ตรวจและแก้คำแปลตัวเองได้ 84.36) นำ Mistral Large 3 ที่ 81.57, Qwen 3.5 397B ที่ 81.56, DeepL NextGen ที่ 81.37, Gemma 4 31B ที่ 79.46 และ Google Translate ที่ 68.20 ข้อที่ต้องรู้คือคะแนนนี้ Cohere วัดเอง โดยใช้ GPT-5.6-Sol เป็นผู้ตัดสิน ไม่ใช่การประเมินโดยมนุษย์ของ WMT และเชิงอรรถข้อ 2 อธิบายสเกล 0–100 เป็นช่วงแบบรูบริก (80–100 คือ “สมบูรณ์หรือมีข้อผิดพลาดเล็กน้อย”)

แต่บล็อกเดียวกันมีกราฟรายภูมิภาคที่ตัวอักษรในโพสต์ไม่ได้สรุปไว้ครบ:

ภูมิภาค (จำนวนภาษา)	North Agentic	North	Gemma 4 31B (on)	DeepL NextGen	Google Translate
EU (23)	82.74	82.17	72.73	83.31	68.13
ยุโรปนอก EU (7)	81.52	81.24	75.90	78.87	67.77
ตะวันออกกลางและแอฟริกาเหนือ (5)	86.12	85.37	86.79	76.94	65.44
เอเชียใต้ (6)	87.13	86.16	88.04	77.46	68.90
เอเชียตะวันออกเฉียงใต้ (5)	87.30	86.32	89.23	81.85	73.36
เอเชียตะวันออก (4)	88.67	86.46	90.16	85.41	65.26

อ่านตรง ๆ คือ North ชนะขาดแค่ภูมิภาคเดียวคือยุโรปนอก EU ในกลุ่ม EU แพ้ DeepL และในสี่ภูมิภาคนอกยุโรป Gemma 4 31B (on) ทำคะแนนสูงกว่าทั้งสองโหมด รวมทั้งกลุ่มอาเซียนที่มีภาษาไทย ซึ่ง Gemma นำ North รุ่นมาตรฐานเกือบ 3 คะแนน ตัวบทความพูดถึงแค่ว่า North “สูสี” กับ Gemma ในเอเชียใต้ และชนะ DeepL ในทุกภูมิภาคนอกยุโรป ซึ่งเป็นความจริงทั้งสองข้อ แต่ไม่ได้บอกส่วนที่เหลือ

แล้วทำไมคะแนนรวมถึงนำห่าง? เพราะ “All Languages” คือค่าเฉลี่ยรายภาษา และ 23 จาก 50 ภาษาคือภาษา EU ซึ่งเป็นกลุ่มที่ Gemma อ่อนที่สุด (72.73) เมื่อเราคำนวณค่าเฉลี่ยถ่วงน้ำหนักจากกราฟรายภูมิภาคย้อนกลับ ได้ 79.46 สำหรับ Gemma และ 83.60 สำหรับ North ตรงกับตัวเลขพาดหัวทุกหลัก คือช่องว่าง 4 คะแนนในพาดหัวเกิดจากองค์ประกอบของชุดภาษาเกือบทั้งหมด

ในบล็อกยังมีตัวเลขเปรียบเทียบกับ Gemma สองชุดที่ไม่ตรงกัน ย่อหน้าหนึ่งเขียนว่าเอเชียใต้เป็น 86.2 ต่อ 86.7 ขณะที่ย่อหน้าถัดไปและกราฟเขียน 86.16 ต่อ 88.04

ต้นทุน ความเร็ว และเอกสารยาว

• กราฟต้นทุน ให้ North ได้ “80.1” ที่ $0.000676 ต่อ task (เฉลี่ย 661 โทเคน) เทียบ Gemini 3.1 Pro Preview (high) ที่ $0.038928 แต่แกนคะแนนของกราฟนี้ไม่ใช่ชุดเดียวกับกราฟแรก (North ได้ 80.1 ไม่ใช่ 83.60) และในกราฟนี้ Gemini 3.1 Pro Preview ทั้งโหมด high และ low อยู่สูงกว่า North ขณะที่กราฟคะแนนหลักไม่มี Gemini อยู่เลย จึงเป็นเหตุผลที่คำอ้างในบล็อกเขียนว่าเป็นโมเดล “แปลภาษาเฉพาะทาง” ที่ดีที่สุด ไม่ใช่โมเดลที่ดีที่สุด และบล็อกไม่ได้บอกว่าราคาต่อโทเคนของ North เองมาจากไหน ในเมื่อรุ่นเชิงพาณิชย์ขายผ่าน RWS
• ความเร็ว — 112 ต่อ 81 โทเคนต่อวินาทีที่ concurrency ต่ำ และ 39 ต่อ 30 ที่ concurrency สูง เทียบ Gemma 4 31B ที่รันบน GPU เดียว (TP1) บนฮาร์ดแวร์เดียวกัน
• เอกสารยาว — 48.9 บนชุดทดสอบของ Cohere เองที่แปลหนังสือสองบทในการเรียกครั้งเดียวแล้ววัดทีละย่อหน้าด้วย xComet-XL เทียบ Google Translate 21.3 และ Gemma 4 31B 19.4 นี่คือช่องที่ North ชนะขาดจริง แต่ไม่มีการแยกผลรายภาษา

มุมมอง AI Curator

ต้องให้เครดิต Cohere ที่ปล่อยกราฟรายภูมิภาคที่ตัวเองแพ้ออกมาด้วย ผู้ขายโมเดลแปลภาษาส่วนใหญ่ปล่อยแค่ค่าเฉลี่ยตัวเดียว แต่ตัวบทความเลือกสรุปเฉพาะส่วนที่ได้เปรียบ และสำหรับผู้อ่านในไทย กราฟที่สำคัญคือกราฟที่สอง ไม่ใช่กราฟแรก ในกลุ่มภาษาอาเซียน โมเดลทั่วไปขนาด 31B ที่ Cohere เองรันบน GPU ใบเดียว ทำคะแนนได้สูงกว่าโมเดลแปลเฉพาะทาง 218B ที่ต้องใช้อย่างน้อย 2× H100 แม้จะบีบเป็น 4 บิตแล้ว ค่าเฉลี่ยของ Cohere สะท้อนลูกค้าหลักของ RWS ที่อยู่ในยุโรป ซึ่งไม่ผิด แต่ไม่ใช่ค่าเฉลี่ยของตลาดเรา

บทเรียนที่ใช้ได้กับทุกโมเดลหลายภาษาคือ ค่าเฉลี่ย “ทุกภาษา” เป็นผลของการเลือกชุดภาษา ไม่ใช่คุณสมบัติของโมเดล ถ้าชุดทดสอบมีภาษายุโรปเกือบครึ่ง โมเดลที่เก่งยุโรปก็ชนะค่าเฉลี่ย ทีมไทยที่เลือกโมเดลแปลควรหาตัวเลขระดับภูมิภาคหรือระดับภาษาเสมอ และในกรณีนี้ Cohere ยังไม่ได้เผยคะแนนภาษาไทยแยกออกมา มีแค่ค่าเฉลี่ยห้าภาษาอาเซียน

เชิงปฏิบัติ ไลเซนส์ CC BY-NC ทำให้ North เป็นเครื่องมือวิจัยหรือจุดอ้างอิงสำหรับเทียบผล มากกว่าเป็นของที่ดีพลอยในผลิตภัณฑ์ได้ ถ้างานของคุณคือแปลเอกสารยาว เช่นสัญญา คู่มือ หรือรายงานราชการ คะแนน long-context 48.9 น่าสนใจพอให้ทดลอง แต่ควรวัดกับข้อความภาษาไทยในโดเมนของตัวเองโดยมีคนตรวจ ไม่ใช่เชื่อผู้ตัดสินที่เป็น LLM ส่วนงานแปลประโยคสั้นถึงกลางในภาษาอาเซียน ตัวเลขของ Cohere เองชี้ว่าโมเดลทั่วไปที่เล็กกว่าและถูกกว่ายังเป็นตัวเลือกที่ต้องทดสอบเทียบก่อนเสมอ

แหล่งข่าว

• Introducing North Small Translate — Cohere Blog
• CohereLabs/North-Small-Translate-1.0 — Hugging Face
• CohereLabs/North-Small-Translate-1.0-w4a16 — Hugging Face