Cohere: North Mini Code (free)

North Mini Code to wydanie badawcze o otwartych wagach modelu o parametrach 30B-A3B, zoptymalizowanego do generowania kodu, agentowego inżynierowania oprogramowania i zadań terminalowych.

• Punkt kontaktowy: Cohere Labs
• Licencja: Apache 2.0
• Model: North Mini Code
• Rozmiar modelu: 30B łącznie; 3B aktywne
• Długość kontekstu: 256K i 64K maksymalne wyjście

Aby uzyskać więcej szczegółów na temat tego modelu, sprawdź nasz wpis na blogu. Możesz wypróbować North Mini Code przed pobraniem wag w OpenCode i naszym hostowanym przestrzeni Hugging Face.

Metodologia Benchmarkowania [KLIKNIJ, ABY ROZSZERZYĆ]

• Użyliśmy SWE-Bench Verified, SWE-Bench Pro, Terminal-Bench v2 i Terminal-Bench Hard do oceny agentowych zdolności kodowania North Mini Code. Do szkieletów ewaluacyjnych użyliśmy Swe-Agent harness v1.1.0 dla SWE-Bench oraz prostego ReAct harness wykorzystującego pojedyncze narzędzie terminalowe oparte na implementacji sesji Tmux z Harbor dla Terminal-Bench v2. Dla Terminal Bench Hard bezpośrednio użyliśmy Terminus-2, podążając za tą samą metodologią co Artificial Analysis Intelligence Index, aby porównać North-Mini-Code-1.0 z innymi modelami. Dodatkowo użyliśmy SciCode i LiveCodeBench v6 jako złożonych benchmarków generowania kodu poza użyciem narzędzi.
• Każdy benchmark uruchamiamy z 3 różnymi seedami i raportujemy średnią wydajność, używając temperature=1.0 i top\_p=0.95. Użyliśmy publicznie zgłoszonych wyników dla modeli konkurencyjnych, z oryginalnych raportów lub Artificial Analysis Intelligence Index, gdzie dostępne. Dodatkowo wyniki Gemma4 w zadaniach agentowego kodowania zostały zgłoszone przez zespół Qwen. Dla wyników benchmarków, dla których brakuje publicznego raportu, oznaczonych (\*) na rysunku, uruchomiliśmy je wewnętrznie, używając zalecanej konfiguracji modelu.

Proszę zainstalować transformers z repozytorium źródłowego, które zawiera niezbędne zmiany dla tego modelu. Zalecamy użycie następującego zestawu parametrów próbkowania do generowania: \temperature=1.0\, \top\_p=0.95\. Możesz również użyć modelu bezpośrednio za pomocą abstrakcji pipeline z transformers.