🤗Hugging Face Blog•較早收集於 5h
Cohere 發布專為開發者設計的 North Mini Code
💡Cohere 首款專用程式編寫模型，可能成為您 IDE 整合式 AI 工作流程的關鍵轉折點。
⚡ 30-Second TL;DR
有什麼變化
Cohere 首款專為程式編寫任務量身打造的模型
為什麼重要
該模型為開發者提供了通用大型語言模型之外的專業選擇，有望提升程式碼生成工具在準確度與延遲表現上的效能。
下一步行動
透過 Cohere API 評估 North Mini Code 與您現有的程式編寫輔助模型，比較其延遲與程式碼品質。
誰應關注：Developers & AI Engineers
關鍵要點
- •Cohere 首款專為程式編寫任務量身打造的模型
- •針對開發者導向的工作流程與整合進行優化
- •擴展了 Cohere 的企業級模型生態系統
🧠 深度解析
Web-grounded analysis with 9 cited sources.
🔑 增強重點摘要
- •North Mini Code 是一款擁有 300 億總參數和 30 億活躍參數的稀疏專家混合 (MoE) 模型，並在 Apache 2.0 許可下開放。
- •該模型專為代理式軟體工程任務和複雜的程式碼生成而設計與訓練，並在 Artificial Analysis 的程式編寫指數上獲得 33.4 分，超越了同尺寸的多個領先開源模型。
- •North Mini Code 支援 256K 的輸入上下文長度及 64K 的輸出長度，使其能夠處理大型程式碼庫並一次性生成大量程式碼。
- •該模型以每秒 209 個 token 的速度表現出色，並且每百萬輸入/輸出 token 的定價為 0.00 美元，使其在同類開源模型中具有競爭力。
- •North Mini Code 可透過 Hugging Face 上的開放權重以及 Cohere 的 Chat V2 API 取得，並支援 Model Vault 部署以供生產使用。
📊 競品分析▸ Show
| 特性/指標 | Cohere North Mini Code | Qwen3.5 (35B-A3B) | Gemma 4 (26B-A4B) | DeepSeek V3.2 (開源) |
|---|---|---|---|---|
| 模型類型 | 30B 總參數 / 3B 活躍參數 MoE | 35B 活躍參數 MoE | 26B 活躍參數 MoE | 671B 總參數 |
| 授權 | Apache 2.0 (開源) | 開源 | 開源 | 開源 |
| 程式編寫指數 (Artificial Analysis) | 33.4 | 35.2 (Qwen3.6 35B A3B) | 表現較低 | - |
| 智慧指數 (Artificial Analysis) | 27.6 | - | - | - |
| SWE-bench Verified | - | - | - | 67.8% |
| 速度 (tokens/秒) | 209 | - | - | - |
| 輸入定價 (每百萬 token) | $0.00 | - | - | $0.28 |
| 輸出定價 (每百萬 token) | $0.00 | - | - | $0.42 |
🛠️ 技術深入
- 模型架構：North Mini Code 是一個僅解碼器 (decoder-only) 的 Transformer 基礎稀疏專家混合 (MoE) 模型。
- 參數規模：總參數為 300 億，其中活躍參數為 30 億。
- 注意力機制：採用高效的注意力實作，交錯使用帶有 RoPE 的滑動窗口注意力 (sliding-window attention) 和不帶位置嵌入的全注意力 (global attention)，比例為 3:1。
- 前饋區塊：為 MoE 區塊，包含 128 個專家，每個 token 激活其中 8 個。每個專家區塊都是帶有 SwiGLU 激活函數的 FFN 區塊。
- 訓練方法：透過兩階段級聯監督式微調 (SFT) 和可驗證獎勵強化學習 (RLVR) 進行後訓練，重點關注代理式程式編寫。
- 訓練資料：第一階段 SFT 資料包含程式設計、推理和指令遵循，其中程式碼資料佔可訓練 token 的 70%。第二階段 SFT 使用 45 億個 token 的資料混合，專注於代理式和推理驅動的樣本，其中程式碼資料佔 61%，並使用了來自約 5,000 個獨特儲存庫的超過 7 萬個可驗證任務。
- 上下文長度：支援 256K 的輸入上下文長度及 64K 的最大輸出長度。
- 工具使用能力：經過專門訓練，具備代理式程式編寫的工具使用能力，並透過聊天模板支援。
- 部署選項：可透過 Hugging Face 上的開放權重、Chat V2 API 以及 Model Vault 進行部署。
🔮 前景展望AI analysis grounded in cited sources
North Mini Code 的發布將加速企業內部代理式程式編寫工具的採用。
作為一款高性能、開源且專為代理式軟體工程任務設計的模型，它降低了企業部署先進程式編寫 AI 的門檻和成本。
Cohere 將進一步擴大其開放權重模型的產品組合，以鞏固其在企業 AI 市場中的地位。
North Mini Code 是 Cohere 新模型系列中的首款，且其開放權重策略與公司提供安全、透明替代方案的目標一致，尤其是在中國開源 AI 集中化的背景下。
開發者工具生態系統將出現更多基於 North Mini Code 的創新應用和整合。
該模型在 Apache 2.0 許可下開放，並針對開發者工作流程進行優化，鼓勵了更廣泛的社群採用和客製化開發。
⏳ 時間線
2019
Cohere 成立，專注於大型語言模型研究。
2021
推出首個商業 API 及模型套件，開始從研究轉向企業級 AI 供應商。
2023-06
與 Oracle 建立合作夥伴關係，將 AI 技術整合到 Oracle 商業應用中。
2025-01
正式推出其 AI 代理工作區平台 North 的搶先體驗版。
2026-05-20
發布 Command A+，這是 Cohere 首款結合視覺輸入、推理、翻譯和代理任務的 MoE 模型。
2026-06-09
發布 North Mini Code，首款專為開發者設計的代理式程式編寫模型。
📎 來源 (9)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Hugging Face Blog ↗