North Mini Code: компактная кодинг-модель MoE от Cohere
Cohere представила MoE-модель для разработчиков: высокая скорость автодополнения кода при минимальных требованиях к памяти.
Менее чем через месяц с момента выпуска последней модели Cohere, Command A+, была запущена еще одна модель открытых весов, оптимизированная для кодирования и гораздо меньшая по размеру: 30B общих параметров и 3B активных параметров.
Ключевые выводы:
➤ Достигает 27,6 по индексу искусственного интеллекта анализа, выше gpt-oss-20B (высокий) с 24,5 и чуть ниже Mistral Small 4 (параметры 119B, 6,5B активный) с 27,8.
➤ Имеет конкурентоспособные баллы по Индексу кодирования искусственного анализа (средневзвешенное значение Terminal-Bench Hard и SciCode) по сравнению с моделями открытых весов в своем классе размеров, набрав 33,4, что значительно выше GLM-4.7-Flash с 25,9 и ниже Qwen3.6 35B A3B с 35,2. Однако он уступает в выполнении агентских задач, не связанных с кодированием, набрав 14% по GDPval-AA и 37% по 𝜏²-Bench Telecom.
➤ В API Cohere North Mini Code работает быстрее, чем несколько сопоставимых моделей с открытым весом своего класса интеллекта и размера (~ 199 выходных токенов в секунду).
➤ North Mini Code — это модель общего параметра объемом 30 байт только для текста и модель активных параметров 3 байта, исходный код которого открыт под лицензией Apache 2.0.
North Mini Code набрал 14% по GDPval-AA и 37% по 𝜏²-Bench Telecom, в результате чего общий взвешенный балл составил 21,7 по индексу агентов искусственного анализа.
North Mini Code использует больше выходных токенов для завершения набора оценок индекса искусственного анализа интеллекта, чем большинство сопоставимых моделей такого размера и интеллекта.
В нашем предварительном тестировании скорости North Mini Code показал результаты выше нескольких сопоставимых моделей с открытым весом своего класса интеллекта и размера (~ 199 выходных токенов в секунду).
Полная информация о разведывательных оценках приведена ниже
