Cohere เปิดตัว North Small Translate โมเดลแปลภาษา 218B MoE
Cohere เปิดตัว North Small Translate โมเดลแปลภาษาขนาด 218B สถาปัตยกรรม MoE ทำคะแนนบน WMT26 ได้ 83.6 ครอบคลุม 50 ภาษา พร้อมรุ่น Agentic
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- North Small Translate คือโมเดลแปลภาษาตระกูล North รุ่นแรกจาก Cohere
- ใช้สถาปัตยกรรม decoder-only sparse MoE มีพารามิเตอร์รวม 218B และทำงานจริง 25B ต่อโทเค็น
- ทำคะแนนรวมเฉลี่ยบน WMT26 สำหรับภาษาทั่วยุโรปและเอเชียได้ 83.6 คะแนน
บริษัท Cohere ได้เปิดตัวโมเดลแปลภาษาตัวใหม่ล่าสุดในชื่อ North Small Translate ซึ่งเป็นโมเดลประเภท decoder-only sparse MoE ที่มีพารามิเตอร์รวมทั้งหมด 218 พันล้านพารามิเตอร์ (218B) โดยมีสัดส่วนน้ำหนักที่ทำงานจริงประมาณ 11.5% ต่อหนึ่งโทเค็น ส่งผลให้ปริมาณการคำนวณต่อโทเค็นเทียบเท่ากับโมเดลขนาด 25B ที่ใช้งานจริง แต่หน่วยความจำยังคงต้องรองรับขนาดเต็ม 218B
โมเดลตัวนี้ถือเป็นรุ่นแรกในตระกูล North ของ Cohere ต่อจากสายพันธุ์หลายภาษาอย่าง Tiny Aya และ Command A Translate โดยได้ร่วมมือกับผู้เชี่ยวชาญด้านภาษาและนักวิทยาศาสตร์จาก RWS Language Weaver ในการขัดเกลาคุณภาพให้ออกมาตอบโจทย์การใช้งานจริง ซึ่งทาง Cohere มองว่าความสามารถในการสื่อสารระดับโลกคือประเด็นสำคัญด้านอธิปไตยขององค์กร
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ในด้านประสิทธิภาพการแปลภาษาทั่วโลก โมเดลรุ่นนี้ทำคะแนนเฉลี่ยบน WMT26 ได้สูงถึง 83.6 คะแนน ครอบคลุมการแปลใน 50 ภาษา นอกจากนี้ยังมีรุ่น Agentic ที่ใช้ระบบเวิร์กโฟลว์แบบ multi-pass ในการตรวจสอบและแก้ไขข้อผิดพลาดของตัวเอง โดย Cohere ใช้อัตราการให้คะแนนในช่วง 80 ถึง 100 ว่าเป็นความผิดพลาดระดับน้อยมากหรือไม่มีเลยโดยมี GPT-5.6-Sol ทำหน้าที่เป็นผู้ประเมิน คะแนนเหล่านี้ยังคงต้องรอผลการทดสอบอิสระจาก WMT26 มายืนยันเพิ่มเติม
สถาปัตยกรรม Mixture of Experts (MoE) ช่วยให้โมเดลขนาดใหญ่สามารถประมวลผลได้อย่างมีประสิทธิภาพมากขึ้น โดยเปิดใช้งานพารามิเตอร์เพียงบางส่วน (Active Parameters) ต่อการประมวลผลหนึ่งครั้ง ทำให้ได้ประสิทธิภาพความแม่นยำระดับโมเดลยักษ์ แต่ใช้ต้นทุนการประมวลผลที่ต่ำลงใกล้เคียงกับโมเดลขนาดเล็ก ซึ่งเป็นแนวทางสำคัญในการลดภาระค่าใช้จ่ายของโครงสร้างพื้นฐาน AI สมัยใหม่
สำหรับการเปรียบเทียบกับโมเดลอื่น รุ่นมาตรฐานของ North สามารถเอาชนะ Gemma 4 31B ในภูมิภาคยุโรปด้วยคะแนน 82.17 ต่อ 72.73 ขณะที่ในเอเชียใต้ทำคะแนนได้ 86.16 ใกล้เคียงกับ Gemma ที่ทำได้ 88.04 ส่วนในด้านความเร็ว North Small Translate ทำความเร็วได้ 112 โทเค็นต่อวินาทีในการทดสอบความหน่วงต่ำ (Low Concurrency) เทียบกับ 81 โทเค็นของ Gemma และทำได้ 39 โทเค็นต่อวินาทีในภาวะความหน่วงสูง (High Concurrency) เทียบกับ 30 โทเค็น ซึ่งคิดเป็นความเร็ว Throughput ที่สูงกว่าถึง 1.4 เท่า
ยิ่งไปกว่านั้น โมเดลนี้ยังทำผลงานได้ดีเยี่ยมในการแปลเอกสารขนาดยาว โดยทำคะแนนได้ 48.9 เมื่อแปลเนื้อหาหนังสือ 2 บทในคำสั่งเดียว ขณะที่ Google Translate ทำได้ 21.3 และ Gemma 4 31B ทำได้ 19.4 วัดผลระดับย่อหน้าด้วย xCOMET-XL นอกจากนี้ยังมีต้นทุนที่คุ้มค่า โดยมีค่าใช้จ่ายอยู่ที่ $0.000676 ต่อหนึ่งงานแปลที่มีความยาวเฉลี่ย 661 โทเค็น ถูกกว่า Gemini 3.1 Pro Preview ที่ราคา $0.038928 ถึงประมาณ 58 เท่า
"Organizations that cannot communicate globally cannot stay sovereign."
Cohere
ผู้ใช้งานสามารถเข้าถึง North Small Translate ได้อย่างรวดเร็วผ่านทาง Chat V2 API ของ Cohere ซึ่งเปิดให้ใช้งานได้ฟรีจนกว่าจะถึงขีดจำกัดอัตราการเรียกใช้งาน (Rate Limits) หรือสามารถโฮสต์ใช้งานเองแบบไม่แสวงหาผลกำไร รวมถึงสามารถขอสิทธิ์ใช้งานเชิงพาณิชย์ได้เช่นกัน
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น