Cohere, empresa líder en inteligencia artificial empresarial, ha anunciado el lanzamiento de North Small Translate, un nuevo modelo de traducción automática basado en una arquitectura de mezcla de expertos (MOE) que cubre hasta 50 idiomas. Este desarrollo representa un avance significativo en un sector donde, según sus creadores, la traducción automática sigue siendo insuficiente para la mayoría de las lenguas del mundo.
El modelo ya está disponible para desarrolladores en formato de pesos abiertos para uso no comercial bajo licencia Creative Commons BY-NC 4.0 y, para aquellos que busquen implementaciones comerciales, Cohere ofrece el despliegue a través de su plataforma Model Vault, que controla la ejecución y el entorno de inferencia del modelo. Esta estrategia responde a la creciente demanda de soberanía digital, permitiendo a las organizaciones mantener el control sobre dónde se ejecutan sus modelos y cómo se gestionan sus datos.
North Small Translate surge como una evolución de la experiencia previa de Cohere en modelos multilingües y de traducción, completando la familia que incluye Tiny Aya y Command A Translate. Según la compañía, este nuevo modelo supera en rendimiento a otros sistemas de traducción de parámetros similares (menos de un billón) y a modelos basados en API, destacando en diversos aspectos evaluados a escala internacional. 
Nick Frosst, cofundador de Cohere, explica a The New Stack que la eficiencia del modelo radica en su diseño no basado en razonamiento lógico detallado, sino en la identificación y uso de patrones estadísticos aprendidos durante el entrenamiento. Esto permite una traducción más rápida y con menor consumo de recursos, ya que el proceso no requiere análisis paso a paso del texto.
La traducción automática tradicional sigue sin cubrir la mayoría de idiomas
“Tras nueve años perfeccionando una arquitectura concebida para mejorar la traducción automática, constatamos que este campo aún presenta fallos para la mayoría de idiomas del mundo”, señala Frosst. “Los modelos generalistas cumplen parte de la tarea, pero llegan a un límite. La próxima etapa en inteligencia artificial para empresas pasa por modelos más pequeños, especializados y que operen de manera local dentro de la infraestructura propia.”
La evaluación de North Small Translate con base en los estándares WMT26 revela una puntuación líder de 83,60 en la prueba All Languages, frente a 81,56 de Qwen 3.5 397B A17B, 81,37 de DeepL NextGen o 68,20 de Google Translate, entre otros competidores.
Con una arquitectura MOE que incluye un total de 218.000 millones de parámetros, de los cuales 25.000 millones están activos en cada operación, el modelo ofrece un consumo de recurso y memoria considerablemente menor que otros sistemas de tamaño comparable. Sin embargo, no todos los proveedores publican la cantidad de parámetros, dificultando comparaciones exhaustivas.
Los documentos largos siguen siendo un desafío para la traducción automática
Frosst advierte además que, con las soluciones actuales, la calidad de la traducción se degrada en textos extensos. “En nuestra prueba de contexto largo, Google Translate alcanzó una puntuación de 21,3, Gemma 4 31B 19,4, y nuestro modelo consigue 48,9. Esto significa que un manual de seguridad puede estar bien traducido en las primeras páginas, pero pierde coherencia hacia la página diez.”
Un riesgo añadido reside en la protección de los datos: utilizar servicios de terceros para traducir documentos sensibles —como políticas de recursos humanos o documentos regulatorios— implica que la información salga de la empresa y el control sobre ella se reduce notablemente.
North Small Translate está diseñado para afrontar con eficacia estas tareas críticas, soportando altos volúmenes de documentos sensibles y respetando estrictas condiciones de privacidad gracias a su despliegue local.
Capacidades avanzadas para entornos profesionales
Además de cubrir un amplio abanico de idiomas (32 considerados de alto volumen y otros 18 adicionales), el modelo incorpora funciones orientadas a flujos específicos de trabajo de traducción, tales como el soporte para estructuras documentales en Markdown o JSON, cumplimiento de instrucciones específicas en tono y formato, y guías de terminología para adaptarse a vocabularios personalizados.
Frosst detalla que North Small Translate funciona mediante un proceso de múltiples pasadas: traduce, revisa su propio resultado, identifica errores y los corrige automáticamente, replicando el método utilizado durante su entrenamiento. Esta modalidad, denominada agentic, ofrece un mejor rendimiento de 84,36 frente a 83,60 en el estándar WMT26, aunque a costa de mayor consumo de tokens. La elección entre eficiencia y precisión dependerá del tipo de documento a traducir, priorizando precisión en contratos o procedimientos de seguridad y eficiencia para tareas más generales.
Personalización y control del modelo: la clave del éxito
El modelo mantiene la arquitectura común de Cohere pero mejora con evoluciones post-entrenamiento, como el aprendizaje reforzado y nuevos conjuntos de datos específicos para traducción automática. Esta capacidad de ajuste y orientación fina permite sugerir matices de lenguaje, tono o formato, funciones conocidas como «steerability» o capacidad de direccionamiento.
En el panorama competitivo, los modelos generativos de traducción automática ofrecen la mejor calidad y personalización, aunque suelen implicar mayores costes en comparación con las tradicionales redes neuronales para traducción (NMT), habituales en aplicaciones comerciales.
North Small Translate ha sido desarrollado en colaboración con RWS, una empresa puntera en soluciones de IA y tecnología lingüística, cuya experiencia y equipos científicos han contribuido decisivamente a optimizar el rendimiento práctico del modelo.
Los pesos de North Small Translate pueden descargarse gratuitamente para usos no comerciales en tres versiones cuantizadas distintas. Para facilitar su uso incluso a quienes no dispongan de los recursos de hardware necesarios, existe también una plataforma pública en Hugging Face con interfaz y un API accesible.
Este lanzamiento refleja una apuesta por avanzar en la soberanía tecnológica y la calidad en traducción automática, áreas donde aún hay grandes retos, especialmente para la mayoría de idiomas que constituyen un mercado global relevante y poco atendido por las soluciones actuales.
