tiny-aya-global

tiny-aya-global 归在 CohereLabs 的 Aya 系列名下，该系列一贯以多语种文本能力为设计重心，名字里的 tiny 表示它落在轻量体量档位。它解决的是“多语种文本处理要下沉到本地或内网”这类需求：在不能调用云端大模型、或者按 token 计费不划算的环节，用小体量权重先把翻译、改写、摘要这类通用语言任务跑起来。模型只接受文本输入、只输出文本，不覆盖图像或语音。需要提前说明的是，官方没有公开参数规模、训练数据构成、上下文长度与评测结果，本站也未收录它的第三方跑分，收录平台数为零。因此选型时不宜照搬同系列其他模型的结论，建议先在目标语种和业务样本上做小规模验证，再决定是否扩大使用范围。

选型建议需要在受限算力下做非商用多语种文本处理就选它；要商用授权、要跑分背书或要视觉能力，都不该选它。

• 搭建本地多语种文本改写与润色服务，验证轻量模型在低算力环境的可用性
• 作为研究基线，比较多语种小模型与同系列大模型在小样本任务上的效果差异
• 在离线或内网环境完成多语种摘要与信息抽取的原型验证
• 用于教学与实验，跑通开源权重的推理、量化与微调流程

Aya 系列以多语种覆盖为核心设计目标，tiny 分支把体量压到轻量档位；具体的参数规模、层结构与训练细节，官方与本站均未披露。

• 结构延续 Aya 系的多语种文本生成定位，输入输出均为文本，不涉及图像、音频等模态，属于单一用途的轻量语言模型权重。
• 能力设计重心落在多语种理解与生成，适合翻译、改写、摘要等通用语言任务，并非面向代码生成或长链推理专门优化。
• 披露训练数据来源、上下文长度、分词方案均未公开，公开资料较少，实际规格应以权重文件与官方仓库说明为准。

开源权重

是

模型家族

—

许可证

cc-by-nc-4.0

参数规模

—

本站未收录该模型的任何第三方跑分，官方也未给出评测结果；以下判断基于系列定位与轻量体量档位，只作定性参考。

• 强项轻量体量配合多语种取向，部署门槛低，在资源受限的机器上也能跑推理，多语种短文本任务通常能给出可用的基础效果。
• 短板小参数量模型在长上下文、多步推理与事实精度上通常弱于同系列大模型，复杂任务容易失准，需要外部校验兜底。
• 适合适合把多语种短文本处理放到本地、以延迟和成本优先于极限效果的环节，例如内部工具的批量文本整理。

官方价格未公开，本站也没有可用的比价数据，成本只能从许可条款与部署方式两方面判断。

• 定位事实数据中未给出该模型的输入或输出价格，无法据此判断它在 CohereLabs 产品线中的价格档位。
• 横向对比与 North-Micro-Vision-Instruct、c4ai-command-r-v01、command-a-plus-05-2026-bf16 等同类模型的价差均为空值，目前没有价格比较基础。
• 平台差价本站收录平台数为零，尚不存在任何平台报价，自建部署与托管调用之间的差价也无从计算。
• 省钱权重开放意味着可自行部署、省去按 token 计费的 API 开销，但算力与运维成本需自担，非商用许可也限制了商业场景的成本摊销。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未收录该模型的第三方跑分、上下文长度与能力标签，任何具体效果数字都缺少出处，不宜引用。
• 边界许可证为 cc-by-nc-4.0，明确禁止商业用途；模型只处理文本，多模态需求需另选同厂的 Vision 系列。
• 可用性收录平台数为零、公开资料较少，实际的获取渠道、部署工具链与推理框架支持需要自行确认。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。