Flint v1.0 مقابل North Mini Code: نموذجان من نوع MoE مفتوحان للبرمجة يتنافسان على حاسوبك المحمول

معظم صفحات "versus" على هذا الموقع تقارن أشياء لم تكن يومًا منافسة حقيقية. هذه الصفحة مختلفة. Recursive Flint v1.0 وCohere North Mini Code من النوع نفسه: نماذج برمجة متناثرة قائمة على مزيج الخبراء، منشورة بموجب Apache 2.0، وصغيرة بما يكفي للعمل على عتاد يملكه المطوّر بالفعل، وكلاهما يُطرح كخيار محلي لا كخيار طليعي. وصل Flint في 21 أكتوبر 2026 بإجمالي 39.8 مليار معامل ونحو 2.5 مليار معامل نشط لكل رمز. ووصل North Mini Code في 9 يونيو 2026 بإجمالي 30 مليار معامل و3 مليارات معامل نشط. هذا قريب بما يكفي بحيث يعود الاختيار إلى ما في الملف وما جرى قياسه فعليًا — وفي كلتا الحالتين، ليست الإجابة هي التي توحي بها تغطية الإطلاق.

الملفان، بُعدًا ببعد

ابدأ بما هو داخل الصندوق، لأن هذه المقارنة، بالنسبة إلى نموذجين مُستضافين ذاتيًا، هي التي تصمد أمام الواقع.

• إجمالي المعلمات — Flint: 39.8B. North Mini Code: 30B.

• المعاملات النشطة لكل توكن — Flint: نحو 2.5B، منها 2.2B في الجسم والباقي في رأس الإخراج. North Mini Code: 3B. متطابقة تقريبًا، وهذا هو الرقم الذي يحكم تكلفة الاستدلال.

• توجيه الخبراء — Flint: 256 خبيرًا موجّهًا، يُختار 6 لكل رمز بالإضافة إلى 1 مشترك، عبر 47 طبقة MoE وطبقتين كثيفتين. North Mini Code: 128 خبيرًا، 8 مفعّلة لكل رمز.

• الانتباه — Flint: مزيج من الطبقات ذات النافذة المنزلقة والطبقات العامة مع مصارف الانتباه. North Mini Code: نسبة 3:1 بين النافذة المنزلقة والطبقات العامة. كلاهما يضعان الرهان نفسه: أن معظم الرموز تحتاج فقط إلى انتباه محلي، بينما يحتاج قليل منها إلى النافذة كاملة.

• السياق — Flint: ‏262,144 رمزًا موثّقة في بطاقة النموذج، مع إشارة الإعلان إلى ما يصل إلى 512K وتوصيته بـ256K. North Mini Code: ‏256K إدخال، و64K كحد أقصى للإخراج.

• نوع المدخلات — Flint: نصّ مدخل، نصّ مخرج. North Mini Code: نصّ مدخل، نصّ مخرج. لا يدعم أيٌّ منهما الصور، وهذا مهم إذا كان عملك يتضمن لقطات شاشة.

• الترخيص — كلاهما Apache 2.0، مع تضمين الأوزان، ودون أي قيد على الإيرادات.

• الصيغ المنشورة — Flint: BF16، وint4 safetensors، وint4 GGUF، وNVFP4 GGUF. North Mini Code: BF16، وFP8، وW4A16.

• القرص والذاكرة — Flint: 79.59 غيغابايت بصيغة BF16، و22.86 غيغابايت بصيغة NVFP4، ونحو 24 غيغابايت من الذاكرة للتشغيل. North Mini Code: نحو 20 إلى 24 غيغابايت بعد التكميم، مع تشغيل عرض Cohere الخاص على جهاز Mac Studio بذاكرة تبلغ نحو 20 غيغابايت.

الذاكرة هي أول ما يُقتطع، وهي أقرب مما توحي به أعداد المعاملات.

القراءة السطحية لـ 39.8B مقابل 30B هو أن Flint يحتاج إلى ذاكرة أكبر بالثلث. لكنه لا يحتاج، لأن كليهما من النماذج المتفرقة، وكلاهما ينشر إصدارات كمية مكثّفة. ما تختار بينه فعليًا هو ملف NVFP4 بحجم 22.86 GB وإصدار كمّي بحجم نحو 20 GB — قريبان بما يكفي لتشغيل كليهما على البطاقة نفسها بسعة 24 GB، وقريبان بما يكفي ألا يكون أي منهما الخيار البديهي استنادًا إلى الحجم وحده.

ما يختلف هو هامش الأداء الإضافي. أُفيد بأن North Mini Code يعمل بملف GGUF بدقة 4 بتات على Ryzen 7 مزوّد بذاكرة DDR4 سعة 32 GB — حاسوب مكتبي عادي فعلاً، وليس محطة عمل. ادعاء Flint بشأن الحاسوب المحمول أكثر تحديدًا: أرقام الإنتاجية لدى Recursive مقاسة على M4 Pro MacBook Pro وعلى RTX Spark بذاكرة 64 GB، وكلاهما جهازان من الفئة المتقدمة. سيُحمَّل ملف بحجم 22.86 GB على بطاقة بسعة 24 GB. أما ما إذا كان سيعمل بسرعة يمكنك تحمّلها فهذا سؤال منفصل، ويعتمد اعتمادًا كبيرًا على المحرك.

إذا كان قيدك هو «الجهاز الذي أملكه بالفعل»، فإن North Mini Code لديه تقارير أكثر عن العمل على عتاد غير استثنائي. وإذا كان قيدك هو «أفضل جهاز أملكه»، فإن Flint هو المعمارية الأحدث والأسرع في السياق القصير.

أحد هذه لديه لوحة نتائج مستقلة

هذا هو الجزء من المقارنة الذي تتجاهله معظم الكتابات، وهو الجزء الذي ينبغي أن يحسم قرار الشراء.

تم قياس North Mini Code بواسطة Artificial Analysis. سجّل 33.4 على AA Coding Index و27.6 على AA Intelligence Index، مع SWE-bench Verified عند 67.6 pass@1 و80.2 pass@10، و61.0 على mini-SWE-Agent. هذه قياسات طرف ثالث أُجريت وفق بروتوكول متسق، ما يعني أنه يمكن مقارنتها بنماذج أخرى على المؤشر نفسه دون حاشية عن أدوات الاختبار.

لا يوجد لـ Flint إدخال في Artificial Analysis. درجاته المنشورة — 74.2 في SWE-bench Verified، و89.7 في SWE-bench Pro v2، و54.9 في Terminal-Bench 2.1 — مصدرها أداة الاختبار الخاصة بـ Recursive، ولم يُعِد أحد تشغيلها. المنهجية مُعلنة، وهذا يُحسب لـ Recursive: mini-swe-agent دون إنترنت لتشغيلات SWE-bench، وTerminus 2 مع إنترنت لـ Terminal-Bench، لكن أي حل مسترجع من الويب يُحتسب فشلًا، وpass@1 بمتوسط على خمس محاولات على الأقل. المنهجية المُعلنة ليست منهجية مُتحقَّقًا منها.

إذن، هل يمكنك مقارنة 67.6 بـ74.2؟ ليس على نحو مسؤول. فقد صدرا عن منظمتين مختلفتين على أُطر اختبار مختلفة وبقواعد مختلفة، والفارق — 6.6 نقاط — يقع تمامًا داخل النطاق الذي يمكن لاختيار إطار الاختبار وحده أن يحرّك به درجة. ما يمكنك قوله أضيق نطاقًا لكنه ما يزال مفيدًا: رقم North Mini Code قد تحقّق منه شخص لم يبنِ النموذج، أما رقم Flint فلم يتحقق منه أحد. إذا كنت تختار بناءً على الأدلة لا على المواصفات، فهذا هو عدم التماثل المهم.

هناك نقطة بيانات أخرى في عمود North Mini Code غير مُرضية وتستحق الذكر: فقد صنّفها Artificial Analysis بأنها مفرطة الإسهاب على نحو غير معتاد، إذ استهلكت نحو 75 مليون رمز إخراج في الاختبار مقابل وسيط للفئة يقارب 25 مليونًا. الإسهاب مضاعِف للتكلفة في حلقة الوكيل. فالنموذج الذي يفكر بصوت عالٍ ثلاثة أضعاف قد يكون أرخص لكل رمز وأكثر تكلفة لكل مهمة.

تتغير قصة السرعة تمامًا عند السياق الطويل

كلا النموذجين سريعان في المطالبات القصيرة، وكلاهما يتباطأ عندما يمتلئ السياق. الفرق هو مقدار التباطؤ.

• Flint — تدّعي Recursive أنها تحقق أكثر من 125 رمزًا في الثانية على جهاز M4 Pro MacBook Pro وأكثر من 150 على RTX Spark بسعة 64 GB، مقاسة عند سياق قصير مع استبعاد التعبئة المسبقة. أفادت اختبارات مستقلة بنحو 110 رموز في الثانية عند المطالبات القصيرة، لتنخفض إلى نحو 9 رموز في الثانية قرب 115,000 رمز من السياق. هذا هو الرقم الذي ينبغي أن تصمّم وكيلك حوله، لأن البرمجة الوكيلية تقضي معظم عمرها في نطاق السياق الطويل.

• North Mini Code — نحو 199 إلى 210 توكنات إخراج في الثانية عبر Cohere API، مع نحو 0.25 ثانية حتى أول توكن، وحوالي 2.8 ضعف إنتاجية النماذج الصغيرة المماثلة في الاختبار نفسه. على العتاد المحلي، تعتمد الأرقام كليًا على محركك وطريقة التكميم، لكن النمط واحد: سريع عند السياق القصير، وأبطأ كلما امتلأت النافذة.

المقارنة الصادقة ليست «أيّهما أسرع» بل «أيّهما أسرع بالطريقة التي يعمل بها الوكيل فعليًا». إن نموذجًا يكتب توكنًا واحدًا في 8 مللي ثانية عند سياق 4K، وفي 110 مللي ثانية عند 115K، هو منتج مختلف عن نموذج يتدهور برفق أكبر. لا ينشر أيٌّ من المورّدين منحنى. إذا كانت الأعمال الوكيلية طويلة السياق هي حالتك الاستخدامية، فقِسها على مستودعك الخاص قبل أن تلتزم — فهو عمل عصرٍ واحد وسيخبرك أكثر مما يخبرك به أيٌّ من منشوري الإطلاق.

الزخم مقابل الحداثة

تجاوز North Mini Code حاجز 150,000 عملية تنزيل بحلول منتصف أغسطس 2026، أي بعد شهرين من إطلاقه. هذه إشارة حقيقية: فالنموذج الذي نال هذا القدر من التبني قد شُغِّل على أجهزة لم يختبرها مؤلفوه قط، وتراكمت عليه إصلاحات في المجتمع، ووثّق أشخاص لا حافز لديهم للمجاملة جوانبه الخشنة. أعلنت Cohere هذا الرقم، لذا تعامل معه كرقم مقدَّم من الجهة المصنّعة، لكن الاتجاه مؤكَّد بحجم النسخ المشتقة المكمَّمة المتداولة.

فلينت عمره أربعة أيام. لديه مواصفات رئيسية أفضل، وفك ترميز أسرع للسياق القصير، ونافذة سياق موثّقة أطول، وقصة تطوير أكثر إثارة للاهتمام. كما أن لديه خللًا معروفًا في قالب الدردشة ضمن مسار GGUF الخاص بـ llama.cpp، وانخفاضًا حادًا في الإنتاجية عند السياق الطويل لم يفسره أحد، ولا يوجد له تقريبًا تاريخ مجتمعي. إن التبني المبكر لنموذج عمره أربعة أيام هو رهان على المسار وليس تقييمًا للنسخة نفسها.

ما يجب تنزيله يوم الاثنين

• اختر North Mini Code إذا كنت تريد النموذج المرفق بدرجة مستقلة، وإذا كان عتادك متواضعًا، وإذا كانت مهامك من هندسة البرمجيات العادية في مستودع يتسع بسهولة ضمن السياق، وإذا كنت تُقدّر تقارير الأخطاء المجتمعية على مدى شهرين أكثر من بنية أحدث. خصّص ميزانية لإسهابه.

• اختر Flint إذا كانت لديك حاسوب محمول فاخر أو بطاقة رسوميات بسعة 24 GB، وإذا كنت تريد نافذة سياق أطول، وإذا كانت سرعة السياق القصير هي ما يستخدمه سير عملك فعليًا، وإذا كنت مستعدًا لتكون من المتبنين الأوائل مقابل نموذج يُرجَّح أن يكون هو الأفضل بعد شهر.

• لا تختر أياً منهما كخيارك الوحيد. فكلاهما نموذج بنحو 2.5 إلى 3 مليارات معامل نشط. وهما ممتازان في المهام المحددة النطاق، وليسا مساعدي برمجة من الطراز المتقدم، ويقول Recursive ذلك صراحةً عن نموذجه هو. أما العمل الذي لن يجيده أي منهما فهو العمل الذي يحتاج إلى نموذج متقدم مستضاف — والهندسة السليمة هي اعتماد نموذج محلي كخيار افتراضي مع مسار للتصعيد، لا أن يُطلب من نموذج واحد أن يكون كل شيء.

مسار التصعيد هذا هو حيث يبرّر التوجيه وجوده. لا يقدّم OrcaRouter أيًا من هذين النموذجين، لذا لا شيء هنا يُعدّ ترويجًا لمسار إليهما. ما تفعله طبقة التوجيه لإعداد يعطي الأولوية للمحلي هو الاتجاه الآخر: فهي تتيح لك تجميع المهام التي تحتاج إلى نموذج مستضاف أكبر ضمن مسار الاستدعاء نفسه، مع سلسلة احتياطية للطلبات التي يتعثّر فيها النموذج المحلي أو يتجاوز السياق حدّه. وعند ضبطها جيدًا، يتولى النموذج المحلي العمل الروتيني ولا يُلجأ إلى النموذج المكلف إلا عند الحاجة الفعلية إليه — وهي النسخة الوحيدة من هذه البنية التي توفّر المال.

الإجابة المملة هي الصحيحة. كلا الملفين مجانيان، وكلاهما يعمل على عتاد تملكه على الأرجح، والطريقة الوحيدة لمعرفة أيهما يناسب مستودعك هي تجربة كل منهما عليه. الفجوة في مقاييس الأداء بينهما أصغر من الفجوة بين أي منهما وحمل العمل الفعلي لديك.