Flint v1.0 vs. North Mini Code: Zwei offene Coding-MoEs kämpfen um deinen Laptop

Die meisten „Versus“-Seiten auf dieser Website stellen Dinge gegenüber, die nie wirklich Rivalen waren. Diese hier ist anders. Recursive Flint v1.0 und Cohere North Mini Codesind dieselbe Art von Objekt: sparsame Mixture-of-Experts-Coding-Modelle, veröffentlicht unter Apache 2.0, klein genug, um auf Hardware zu laufen, die ein Entwickler bereits besitzt, und beide als lokale Option positioniert statt als Frontier-Option. Flint erschien am 21. Oktober 2026 mit 39,8 Milliarden Gesamtparametern und etwa 2,5 Milliarden aktiven pro Token. North Mini Code erschien am 9. Juni 2026 mit 30 Milliarden insgesamt und 3 Milliarden aktiven. Das liegt nah genug beieinander, dass die Wahl darauf hinausläuft, was in der Datei steht und was tatsächlich gemessen wurde — und in beiderlei Hinsicht ist die Antwort nicht die, die die Berichterstattung zum Launch nahelegt.

Die beiden Dateien, Dimension für Dimension

Beginne mit dem, was im Karton ist, denn bei zwei selbst gehosteten Modellen ist das der Vergleich, der den Kontakt mit der Realität übersteht.

• Gesamtparameter — Flint: 39,8 Mrd. North Mini Code: 30 Mrd.

• Aktive Parameter pro Token — Flint: etwa 2,5B, davon 2,2B im Body und der Rest im Output-Head. North Mini Code: 3B. Nahezu identisch, und dies ist die Zahl, die die Inferenzkosten bestimmt.

• Experten-Routing — Flint: 256 geroutete Experten, 6 pro Token ausgewählt plus 1 geteilter, über 47 MoE-Schichten und 2 dichte Schichten. North Mini Code: 128 Experten, 8 pro Token aktiv.

• Attention — Flint: eine Mischung aus Sliding-Window- und globalen Schichten mit Attention-Sinks. North Mini Code: ein Verhältnis von 3:1 zwischen Sliding-Window- und globalen Schichten. Beide gehen dieselbe Wette ein: dass die meisten Tokens nur lokale Attention brauchen und nur wenige das gesamte Fenster.

• Kontext — Flint: 262.144 Tokens auf der Modellkarte dokumentiert, wobei die Ankündigung bis zu 512K nennt und 256K empfiehlt. North Mini Code: 256K Eingabe, 64K maximale Ausgabe.

• Modalität — Flint: Text rein, Text raus. North Mini Code: Text rein, Text raus. Keines der beiden verarbeitet Bilder, was wichtig ist, wenn Ihre Arbeit Screenshots umfasst.

• Lizenz — beide Apache 2.0, Gewichte inklusive, keine Umsatzhürde.

• Veröffentlichte Formate — Flint: BF16, int4-safetensors, int4-GGUF, NVFP4-GGUF. North Mini Code: BF16, FP8 und W4A16.

• Datenträger und Arbeitsspeicher — Flint: 79,59 GB in BF16, 22,86 GB als NVFP4 und rund 24 GB Arbeitsspeicher zum Ausführen. North Mini Code: etwa 20 bis 24 GB quantisiert, wobei die eigene Demo von Cohere auf einem Mac Studio mit etwa 20 GB läuft.

Speicher ist der erste Schnitt, und er liegt näher, als die Parameterzahlen vermuten lassen.

Die naive Lesart von 39,8B gegenüber 30B ist, dass Flint ein Drittel mehr Speicher benötigt. Das ist nicht der Fall, weil beide sparse sind und beide aggressive quantisierte Builds veröffentlichen. Wor zwischen du tatsächlich wählst, ist eine 22,86-GB-NVFP4-Datei und ein quantisierter Build von rund 20 GB – nah genug beieinander, dass dieselbe 24-GB-Karte beides ausführen kann, und nah genug, dass keiner allein anhand des Speicherbedarfs die offensichtliche Wahl ist.

Was sich unterscheidet, ist die Leistungsreserve. Es wurde berichtet, dass North Mini Code ein 4-Bit-GGUF auf einem Ryzen 7 mit 32 GB DDR4 ausführt – ein wirklich gewöhnlicher Desktop, keine Workstation. Flints Laptop-Behauptung ist konkreter: Die Durchsatzwerte von Recursive wurden auf einem M4 Pro MacBook Pro und auf einem 64-GB-RTX Spark gemessen, beides Premium-Maschinen. Die 22,86 GB große Datei wird auf einer 24-GB-Karte geladen. Ob sie mit einer Geschwindigkeit läuft, die Sie tolerieren würden, ist eine separate Frage, und sie hängt stark von der Engine ab.

Wenn deine Vorgabe „die Maschine, die ich bereits besitze“ lautet, gibt es für North Mini Code mehr Berichte, dass es auf gewöhnlicher Hardware läuft. Wenn deine Vorgabe „die beste Maschine, die ich besitze“ lautet, ist Flint die neuere Architektur und die schnellere bei kurzem Kontext.

Einer davon hat eine unabhängige Anzeigetafel.

Dies ist der Teil des Vergleichs, den die meisten Berichte auslassen, und es ist der Teil, der über eine Beschaffung entscheiden sollte.

North Mini Code wurde von Artificial Analysis bewertet. Er erzielt 33,4 im AA Coding Index und 27,6 im AA Intelligence Index, mit SWE-bench Verified bei 67,6 pass@1 und 80,2 pass@10 sowie 61,0 bei mini-SWE-Agent. Dabei handelt es sich um Drittanbieter-Messungen, die nach einem einheitlichen Protokoll erstellt wurden, sodass sie ohne eine Fußnote zu den Harnesses mit anderen Modellen im selben Index verglichen werden können.

Flint hat keinen Eintrag bei Artificial Analysis. Seine veröffentlichten Werte – 74,2 bei SWE-bench Verified, 89,7 bei SWE-bench Pro v2, 54,9 bei Terminal-Bench 2.1 – stammen aus Recursives eigenem Harness, und niemand hat sie erneut ausgeführt. Die Methodik ist offengelegt, was Recursive anzurechnen ist: mini-swe-agent ohne Internet für die SWE-bench-Läufe, Terminus 2 mit Internet für Terminal-Bench, wobei jede über das Web abgerufene Lösung als Fehlschlag gewertet wurde, pass@1 gemittelt über mindestens fünf Versuche. Eine offengelegte Methodik ist keine verifizierte Methodik.

Kann man also 67,6 mit 74,2 vergleichen? Nicht verantwortungsvoll. Sie wurden von unterschiedlichen Organisationen auf unterschiedlichen Harnesses mit unterschiedlichen Regeln erzeugt, und die Lücke – 6,6 Punkte – liegt durchaus in dem Bereich, den allein die Wahl des Harness bei einem Ergebnis ausmachen kann. Was man sagen kann, ist enger und dennoch nützlich: Die Zahl von North Mini Code wurde von jemandem geprüft, der das Modell nicht gebaut hat, und die von Flint nicht. Wenn du dich eher auf Belege als auf Spezifikationen stützt, ist das die Asymmetrie, die zählt.

Es gibt einen weiteren Datenpunkt in der Spalte von North Mini Code, der wenig schmeichelhaft und dennoch wissenswert ist: Artificial Analysis hat es als ungewöhnlich wortreich eingestuft; im Test verbrauchte es rund 75 Millionen Ausgabetokens gegenüber einem Klassenmedian von etwa 25 Millionen. Wortreichtum ist ein Kostenmultiplikator in einer Agentenschleife. Ein Modell, das dreimal so viel laut denkt, kann pro Token günstiger und pro Aufgabe teurer sein.

Bei langem Kontext ändert sich die Geschichte zur Geschwindigkeit komplett.

Beide Modelle sind bei kurzen Prompts schnell, und beide werden langsamer, wenn der Kontext sich füllt. Der Unterschied ist, wie stark.

• Flint — Recursive gibt mehr als 125 Tokens pro Sekunde auf einem M4 Pro MacBook Pro und mehr als 150 auf einem RTX Spark mit 64 GB an, gemessen bei kurzem Kontext ohne Prefill. Unabhängige Tests berichteten von etwa 110 Tokens pro Sekunde bei kurzen Prompts, die bei nahezu 115.000 Tokens Kontext auf rund 9 Tokens pro Sekunde absinken. Das ist die Zahl, an der Sie Ihren Agenten ausrichten sollten, denn agentisches Programmieren verbringt den Großteil seiner Zeit im Langkontext-Regime.

• North Mini Code — etwa 199 bis 210 Ausgabe-Tokens pro Sekunde über die Cohere-API, mit ungefähr 0,25 Sekunden bis zum ersten Token und etwa 2,8-mal dem Durchsatz vergleichbarer kleiner Modelle im selben Test. Auf lokaler Hardware hängen die Zahlen vollständig von Ihrer Engine und Quantisierung ab, aber das Muster ist dasselbe: schnell bei kurzem Kontext, langsamer, wenn sich das Fenster füllt.

Der ehrliche Vergleich lautet nicht „Welches ist schneller“, sondern „Welches ist schneller für die Art und Weise, wie ein Agent tatsächlich arbeitet“. Ein Modell, das bei 4K Kontext ein Token in 8 Millisekunden und bei 115K in 110 Millisekunden schreibt, ist ein anderes Produkt als eines, das sanfter nachlässt. Keiner der Anbieter veröffentlicht eine Kurve. Wenn langkontextige agentische Arbeit Ihr Anwendungsfall ist, messen Sie es an Ihrem eigenen Repository, bevor Sie sich festlegen – es ist eine Aufgabe für einen Nachmittag und wird Ihnen mehr sagen als beide Launch-Beiträge zusammen.

Momentum versus Frische

North Mini Code hatte bis Mitte August 2026 – zwei Monate nach der Veröffentlichung – 150.000 Downloads überschritten. Das ist ein echtes Signal: Ein Modell mit einer derart hohen Verbreitung wurde auf Hardware ausgeführt, die seine Urheber nie getestet haben, hat in der Community Korrekturen angesammelt, und seine Schwachstellen wurden von Leuten dokumentiert, die keinen Anlass hatten, wohlwollend zu sein. Cohere hat die Zahl gemeldet, daher sollte man sie als vom Anbieter stammend betrachten, aber die Richtung wird durch die Menge der im Umlauf befindlichen abgeleiteten Quantisierungen bestätigt.

Flint ist vier Tage alt. Es hat bessere Eckdaten in den Schlagzeilen, eine schnellere Dekodierung bei kurzem Kontext, ein längeres dokumentiertes Kontextfenster und eine interessantere Entwicklungsgeschichte. Es hat außerdem einen bekannten Chat-Template-Fehler im GGUF-Pfad für llama.cpp, einen Durchsatzeinbruch bei langem Kontext, den niemand erklärt hat, und praktisch keine Community-Historie. Die frühe Übernahme eines vier Tage alten Modells ist eine Wette auf die Entwicklungstrajektorie und keine Bewertung des Artefakts.

Was Sie am Montag herunterladen sollten

• Wählen Sie North Mini Code, wenn Sie das Modell mit einer unabhängigen Bewertung möchten, wenn Ihre Hardware bescheiden ist, wenn Ihre Aufgaben gewöhnliche Softwareentwicklung in einem Repository sind, das bequem in den Kontext passt, und wenn Sie zwei Monate Community-Fehlerberichte einer neueren Architektur vorziehen. Rechnen Sie mit seiner Ausführlichkeit.

• Wähle Flint, wenn du einen Premium-Laptop oder eine 24-GB-Karte hast, wenn du das längere Kontextfenster möchtest, wenn es in deinem Workflow tatsächlich auf Geschwindigkeit bei kurzem Kontext ankommt und wenn du bereit bist, Early Adopter zu sein – im Austausch für ein Modell, das in einem Monat plausibel das bessere ist.

• Wähle keines von beiden als deine einzige Option. Beide sind Modelle mit 2,5 bis 3 Mrd. aktiven Parametern. Sie sind hervorragend für klar abgegrenzte Aufgaben geeignet, und sie sind keine Frontier-Coding-Assistenten – und genau das sagt Recursive auch über sein eigenes Modell. Die Arbeit, die keines von beiden gut erledigen wird, ist die Arbeit, die ein gehostetes Frontier-Modell erfordert – und die vernünftige Architektur ist ein lokaler Standard mit einem Eskalationspfad, nicht ein einziges Modell, das alles sein soll.

Dieser Eskalationspfad ist der Punkt, an dem sich Routing bezahlt macht. OrcaRouter stellt keines dieser beiden Modelle bereit, daher ist nichts hier eine Werbung für eine Route zu ihnen. Was eine Routing-Schicht für ein Local-First-Setup leistet, geht in die andere Richtung: Sie ermöglicht es, die Aufgaben, die ein größeres gehostetes Modell benötigen, in denselben Aufrufpfad einzubinden, mit einer Fallback-Kette für die Anfragen, bei denen das lokale Modell ins Stocken gerät oder der Kontext überläuft. Gut konfiguriert erledigt das lokale Modell die Routinearbeit, und das teure Modell wird nur erreicht, wenn es tatsächlich benötigt wird — die einzige Variante dieser Architektur, die Geld spart.

Die langweilige Antwort ist die richtige. Beide Dateien sind kostenlos, beide laufen auf Hardware, die Sie wahrscheinlich haben, und die einzige Möglichkeit herauszufinden, welche zu Ihrem Repository passt, ist, beide darauf auszuprobieren. Der Benchmark-Abstand zwischen ihnen ist kleiner als der Abstand zwischen einem von beiden und Ihrer tatsächlichen Arbeitslast.