زیرساخت مدل کوهر: چه چیزی مستقر است

فارسی در این مشخصات با اسم ثبت شده، و این نادر است

در این مرجع، پاسخ معمول به این سوال که «آیا این مدل فارسی را پردازش می کند» یک حدس است. سازنده یک رقم کلی ثبت می کند، مثلا صد زبان، و فهرست را منتشر نمی کند. کوهر در دو مورد این الگو را نشکسته است. Command A Translate یک مدل ترجمه اختصاصی است و ۲۳ زبان خود را تک به تک نام می برد، و فارسی آخرین نام آن فهرست است. Aya Expanse 32B هم همان ۲۳ زبان را پشتیبانی می کند و فارسی در آن ثبت شده.

برای زیرساختی که به چهار زبان منتشر می شود، این فهرست از هر بنچمارکی گویاتر است: انگلیسی، عربی، ترکی و فارسی، هر چهار زبان، در یک فهرست ۲۳ تایی. یعنی این مدل دقیقا برای همان بار کاری طراحی شده که ما هر روز اجرا می کنیم.

سه پروانه، سه مسیر مسدود

حالا بخش دوم. هر سه واحد مدلی که به فارسی مربوط اند زیر یک پروانه متفاوت مستقرند و هر کدام به دلیلی متفاوت غیرقابل استفاده هستند.

Command A Translate وزن بسته دارد و کوهر هیچ نرخی برای آن ثبت نکرده. صفحه قیمت گذاری اش نرخ هر میلیون توکن را فقط برای واحدهایی ثبت می کند که خودش در ۱۵ سپتامبر ۲۰۲۵ منسوخ کرده، به علاوه آیا اکسپنس. برای Command A، Command A+، ترنسلیت، ریزنینگ و ویژن هیچ رقمی وجود ندارد و مسیر شما را به تیم فروش هدایت می کند.

Aya Expanse 32B وزن باز دارد، ۳۲ میلیارد پارامتر است و قابل دانلود است، اما پروانه اش CC BY-NC 4.0 با یک پیوست استفاده مجاز است. NC یعنی استفاده تجاری ممنوع است. اگر با آن ترجمه سایت یک مشتری را انجام دهید و بابتش دستمزد بگیرید، پروانه را نقض کرده اید. همان تله ای که وکسترال تی تی اس در میسترال دارد، اینجا روی یک مدل متنی مستقر شده.

Cohere Transcribe تنها واحدی است که پروانه اش هم باز و هم تجاری است: آپاچی ۲، دو میلیارد پارامتر، تشخیص گفتار. و فهرست ۱۴ زبانه آن فارسی را ثبت نکرده.

قرارداد نام ایران را ثبت کرده، و این با بقیه فرق دارد

هر سازنده دیگری در این مرجع یک فهرست کشورهای پشتیبانی شده منتشر می کند و ایران در آن ثبت نشده. کوهر رویکرد دیگری دارد. قرارداد تجاری SaaS خودش یک تعریف دارد به نام Restricted Location و ایران را در آن ثبت کرده، کنار بلاروس، چین، کره شمالی، روسیه و سوریه، و سپس می گوید مشتری از یک Restricted Location به سرویس دسترسی پیدا نمی کند.

این را جداگانه ثبت می کنیم چون وزن این ادعا متفاوت است. جا افتادن یک نام از یک فهرست می تواند غفلت باشد. نامی که در تعریف یک بند قراردادی ثبت شده غفلت نیست. پس درباره سرویس ابری کوهر چیزی ثبت نمی کنیم و هیچ مسیر دور زدنی هم توضیح نمی دهیم.

نکته ای که خودمان هم انتظارش را نداشتیم: کوهر شرکتی کانادایی است، دفتر آن در تورنتو است و قراردادش تحت قانون انتاریو تنظیم شده، و با این حال همین فهرست را ثبت کرده. این نشان می دهد فهرست تحریم چگونه از یک حوزه قضایی به حوزه دیگر منتقل می شود، و اینکه کانادایی بودن یک زیرساخت به تنهایی هیچ چیز را تغییر نمی دهد.

جایی که این زیرساخت واقعا کارآمد است: صدای عربی

این صفحه فقط فهرست مسیرهای مسدود نیست. یک واحد اینجا مستقر است که در هیچ جای دیگر این مرجع ثبت نشده.

Cohere Transcribe Arabic یک فاین تیون اختصاصی برای صدای عربی است، زیر آپاچی ۲، با پشتیبانی از گویش های منطقه ای و جابجایی بین عربی و انگلیسی وسط جمله. هیچ سازنده دیگری در این کاتالوگ یک مدل تشخیص گفتار مخصوص عربی مستقر نکرده است. برای پروژه ای با محتوای صوتی عربی، این بهترین گزینه این مرجع است و پروانه اش فروش نتیجه را هم مجاز می کند.

دو محدودیت آن را خودشان مستند کرده اند و هر دو مهم هستند: نه تایم استمپ تولید می کند و نه گوینده ها را از هم جدا می کند. برای زیرنویس گذاری این یعنی پردازش دستی.

چیزی که در این معماری قابل مستندسازی نیست

قیمت هیچ واحد نسل جدید کوهر. آنچه صفحه قیمت گذاری ثبت می کند نرخ Model Vault است، یعنی اجاره ساعتی یک نمونه اختصاصی: امبد ۴ از ۴ دلار در ساعت و ۲۵۰۰ دلار در ماه آغاز می شود و ریرنک ۴ پرو در سایز بزرگ به ۱۰ دلار در ساعت و ۶۵۰۰ دلار در ماه می رسد. این ارقام نرخ توکن نیستند و با هیچ سازنده دیگری قابل مقایسه نیستند، پس ستون قیمت مدل های کوهر در فهرست ما خالی مانده.

و یک تناقض کوچک در اعداد خودشان: صفحه پژوهش کوهر ثبت می کند که آیا اکسپنس ۱۰۱ زبان را پوشش می دهد، در حالی که مستندات API همان مدل رقم ۲۳ را ثبت می کند. ما رقم مستندات را ثبت می کنیم، چون همان جایی است که فهرست زبان ها هم مستند شده.