Mens Anthropic samme uke slapp sin kraftigste, lukkede Mythos-klasse modell, gikk Cohere motsatt vei: liten, åpen og lokalt kjørbar. North Mini Code, sluppet av medgründer Nick Frosst, er selskapets første open source-kodingsmodell, en Mixture-of-Experts-modell med 30 milliarder parametere totalt og bare 3 milliarder aktive, med 256K kontekstvindu og Apache 2.0-lisens.
På Artificial Analysis Coding Index scorer modellen 33,4, godt over GLM-4.7-Flash på 25,9 og like under Qwen3.6 35B A3B på 35,2. På den bredere intelligens-indeksen lander den på 27,6, over gpt-oss-20B. Svakheten ligger i ikke-kodende agent-oppgaver: 14 prosent på GDPval-AA og 37 prosent på Tau2-Bench Telecom. Til gjengjeld er den rask, rundt 199 output-tokens i sekundet på Coheres eget API.
«Denne modellen er det motsatte av Mythos: liten, kostnadseffektiv, Apache 2.0 og lokalt deployerbar.» — kommentar gjengitt av Digg
Med 3 milliarder aktive parametere er dette en modell du kan kjøre på egen maskin og koble til en lokal kodeagent. Den er kompatibel med opencode, og vektene ligger på Hugging Face.
Hva bør du gjøre?
- Vil du ha en lokal kodeagent: last North Mini Code fra Hugging Face og koble den til opencode eller et annet agent-rammeverk.
- Sammenligner du små kodemodeller: vei de 33,4 på Coding Index mot Qwen3.6 35B før du velger.
- Trenger du agent-oppgaver utover koding: test grundig, modellen scorer lavt på ikke-kodende agent-benchmarks.