MDL-5025EST.2026 · IDX.668
Model językowyW produkcji

North Mini Code 1.0

Cohere · Canada · 2026

Otwarty model Cohere do kodowania: 30 miliardów parametrów, z czego na token pracuje 3 miliardy, okno 256 tys. tokenów i licencja Apache 2.0.

Ocena wujec.ai

/10

Ocena społeczności

brak głosów
Zaloguj się, aby ocenić

North Mini Code 1.0, wydany przez Cohere i Cohere Labs 5 czerwca 2026 r., to rzadki model mixture-of-experts zbudowany do jednego zadania: pisania kodu, prowadzenia zadań inżynierii oprogramowania i obsługi terminala. Ma 30,48 miliarda parametrów łącznie, ale na token aktywuje około 3 miliardów, sięgając za każdym razem po 8 ze swoich 128 ekspertów — to układ, który pozwala modelowi tej wielkości działać na sprzęcie przewidzianym dla znacznie mniejszego. Okno kontekstu jest dla tej klasy nietypowo szerokie: 256 tysięcy tokenów wejścia i do 64 tysięcy tokenów wyjścia, czyli tyle, by pomieścić średniej wielkości repozytorium i mieć jeszcze miejsce na napisanie poprawki. Uwaga jest mieszana, nie jednolita — z 49 warstw większość używa przesuwnego okna 4096 tokenów, a pełnej uwagi tylko co czwarta, i właśnie to utrzymuje koszt długiego okna w ryzach. Dwie cechy mają znaczenie w praktyce. Model obsługuje przeplatane rozumowanie i — jak pisze Cohere — działa najlepiej, gdy jest ono włączone: rozumowanie powstające między wywołaniami narzędzi ma być przekazywane do kolejnych kroków, a nie odrzucane, co jest realnym warunkiem dla każdego, kto buduje wokół niego agenta. Praca z narzędziami jest natywna, opisywana schematami JSON przez szablon rozmowy. Licencja to zwykłe Apache 2.0: bez progów, bez zapisów o przychodzie i bez osobnej umowy na użytek komercyjny — te same warunki, które Cohere dało wagom Command A+, i wyraźny kontrast wobec autorskich licencji coraz częściej dołączanych do flagowych wydań otwartych. Cohere mierzy model na SWE-bench Verified, SWE-bench Pro, Terminal-Bench v2 i Hard, SciCode oraz LiveCodeBench v6, uśredniając po trzech przebiegach, ale publikuje wyniki wyłącznie jako obrazek z wykresem, a nie tabelę — dlatego nie podajemy liczb, których nie da się odczytać u źródła.

#MoE#open weights#coding#agentic#Apache 2.0
Strona oficjalna

Wideo

Brak materiałów wideo.

Recenzje

Brak recenzji. Bądź pierwszy!

Zaloguj się, aby napisać recenzję