Flint v1.0 נגד North Mini Code: שני MoE-ים פתוחים לקוד שנאבקים על המחשב הנייד שלך

רוב דפי ה״versus״ באתר הזה מזווגים דברים שמעולם לא היו באמת יריבים. הדף הזה שונה. Recursive Flint v1.0 ו־Cohere North Mini Code הם מאותו סוג של אובייקט: מודלי קידוד מסוג sparse mixture-of-experts, שפורסמו ברישיון Apache 2.0, קטנים מספיק כדי לרוץ על חומרה שמפתח כבר מחזיק, ושניהם ממוצבים כאפשרות המקומית ולא כאפשרות שבחזית. Flint הגיע ב־21 באוקטובר 2026 עם 39.8 מיליארד פרמטרים בסך הכול וכ־2.5 מיליארד פעילים לכל טוקן. North Mini Code הגיע ב־9 ביוני 2026 עם 30 מיליארד בסך הכול ו־3 מיליארד פעילים. זה קרוב מספיק כדי שהבחירה תיפול על מה שיש בקובץ ומה שנמדד בפועל — ובשני המובנים, התשובה היא לא זו שסיקור ההשקה מרמז עליה.

שני הקבצים, מימד אחר מימד

התחילו ממה שיש בקופסה, כי עבור שני מודלים באירוח עצמי זו ההשוואה שעומדת במבחן המציאות.

• סך הפרמטרים — Flint: 39.8B. North Mini Code: 30B.

• פרמטרים פעילים לכל טוקן — Flint: כ-2.5B, כאשר 2.2B בגוף והשאר בראש הפלט. North Mini Code: 3B. כמעט זהים, וזה המספר שקובע את עלות ההסקה.

• ניתוב מומחים — Flint: 256 מומחים מנותבים, 6 נבחרים לכל טוקן ועוד 1 משותף, לאורך 47 שכבות MoE ו-2 שכבות צפופות. North Mini Code: 128 מומחים, 8 פעילים לכל טוקן.

• קשב — Flint: שילוב של שכבות חלון הזזה ושכבות גלובליות עם כיורי קשב. North Mini Code: יחס 3:1 בין שכבות חלון ההזזה לשכבות הגלובליות. שניהם מהמרים על אותה הנחה: רוב הטוקנים זקוקים רק לקשב מקומי, ומעטים זקוקים לחלון המלא.

• הקשר — Flint: 262,144 טוקנים מתועדים בכרטיס המודל, כשההכרזה מציינת עד 512K וממליצה על 256K. North Mini Code: 256K קלט, 64K פלט מקסימלי.

• מודאליות — Flint: קלט טקסט, פלט טקסט. North Mini Code: קלט טקסט, פלט טקסט. אף אחד מהם לא מקבל תמונות, וזה חשוב אם העבודה שלך כוללת צילומי מסך.

• רישיון — שניהם Apache 2.0, כולל משקלים, ללא סף הכנסות.

• פורמטים שפורסמו — Flint: BF16, int4 safetensors, int4 GGUF, NVFP4 GGUF. North Mini Code: BF16, FP8 ו־W4A16.

• דיסק וזיכרון — Flint: 79.59 GB ב-BF16, 22.86 GB כ-NVFP4, וכ-24 GB של זיכרון להרצה. North Mini Code: בסביבות 20 עד 24 GB לאחר קוונטיזציה, כשהדמו של Cohere עצמה רץ על Mac Studio בכ-20 GB.

הזיכרון הוא החיתוך הראשון, והוא קרוב יותר ממה שמספר הפרמטרים מרמז.

הקריאה הנאיבית של 39.8B לעומת 30B היא ש-Flint זקוק לשליש יותר זיכרון. זה לא כך, מפני ששניהם דלילים ושניהם מפרסמים גרסאות מכוונטות אגרסיביות. מה שאתם בעצם בוחרים בין הוא קובץ NVFP4 בנפח 22.86 GB לבין גרסה מכוונטת בנפח של כ-20 GB — קרוב מספיק לכך שאותו כרטיס 24 GB יריץ את שניהם, וקרוב מספיק לכך שאף אחד מהם אינו הבחירה הברורה על סמך נפח הזיכרון בלבד.

מה ששונה הוא מרווח הנשימה. דווח ש-North Mini Code מריץ GGUF של 4 סיביות על Ryzen 7 עם 32 GB של DDR4 — שולחני רגיל לחלוטין, לא תחנת עבודה. הטענה של Flint לגבי מחשב נייד ספציפית יותר: נתוני התפוקה של Recursive נמדדים על M4 Pro MacBook Pro ועל 64 GB RTX Spark, ששניהם מחשבי פרימיום. הקובץ בגודל 22.86 GB ייטען בכרטיס של 24 GB. האם הוא יפעל במהירות שתסבול היא שאלה נפרדת, והיא תלויה במידה רבה במנוע.

אם האילוץ שלך הוא "המכונה שכבר יש לי", ל-North Mini Code יש יותר דיווחים על ריצה על חומרה לא מרשימה. אם האילוץ שלך הוא "המכונה הטובה ביותר שיש לי", Flint היא הארכיטקטורה החדשה יותר והמהירה יותר בהקשר קצר.

לאחד מאלה יש לוח תוצאות עצמאי

זהו החלק בהשוואה שרוב הסקירות מדלגות עליו, והוא החלק שאמור להכריע החלטת רכש.

North Mini Code נמדד על ידי Artificial Analysis. הוא משיג 33.4 ב-AA Coding Index ו-27.6 ב-AA Intelligence Index, כאשר SWE-bench Verified עומד על 67.6 pass@1 ו-80.2 pass@10, ו-61.0 ב-mini-SWE-Agent. אלו מדידות של צד שלישי שהופקו לפי פרוטוקול עקבי, מה שאומר שאפשר להשוות אותן למודלים אחרים באותו מדד בלי הערת שוליים על הרנסים.

לפלינט אין ערך ב-Artificial Analysis. הציונים שפורסמו — 74.2 ב-SWE-bench Verified, 89.7 ב-SWE-bench Pro v2, 54.9 ב-Terminal-Bench 2.1 — מגיעים מהארנס של Recursive עצמה, ואף אחד לא הריץ אותם מחדש. המתודולוגיה מוצהרת, ולזכותה של Recursive ייאמר: mini-swe-agent ללא אינטרנט עבור הרצות SWE-bench, Terminus 2 עם אינטרנט עבור Terminal-Bench אבל כל פתרון שאוחזר מהאינטרנט נספר ככישלון, pass@1 בממוצע על פני לפחות חמישה ניסיונות. מתודולוגיה מוצהרת אינה מתודולוגיה מאומתת.

אז אפשר להשוות בין 67.6 ל-74.2? לא באופן אחראי. הם הופקו על ידי ארגונים שונים במערכות בדיקה שונות עם כללים שונים, והפער — 6.6 נקודות — נמצא היטב בתוך הטווח שעצם בחירת מערכת הבדיקה יכולה להזיז ציון. מה שכן אפשר לומר הוא מצומצם ועדיין שימושי: המספר של North Mini Code נבדק על ידי מישהו שלא בנה את המודל, וזה של Flint לא. אם אתם בוחרים על בסיס ראיות ולא על בסיס מפרטים, זו האסימטריה שחשובה.

יש עוד נקודת נתונים אחת בטור של North Mini Code שאינה מחמיאה וכדאי להכיר: Artificial Analysis סימנה אותו כדברן במיוחד, כשהוא צורך בבדיקות כ-75 מיליון טוקני פלט לעומת חציון של כ-25 מיליון בקרב בני הקטגוריה שלו. דברנות היא מכפיל עלות בלולאת סוכן. מודל שחושב בקול רם פי שלושה יכול להיות זול יותר לכל טוקן ויקר יותר לכל משימה.

סיפור המהירות משתנה לחלוטין בהקשר ארוך.

שני המודלים מהירים עם הנחיות קצרות, ושניהם מאטים כשההקשר מתמלא. ההבדל הוא בכמה.

• Flint — Recursive טוענת ליותר מ-125 אסימונים לשנייה על M4 Pro MacBook Pro וליותר מ-150 על 64 GB RTX Spark, כפי שנמדד בהקשר קצר כאשר ה-prefill אינו נכלל. בדיקות עצמאיות דיווחו על כ-110 אסימונים לשנייה בהנחיות קצרות, שירדו לכ-9 אסימונים לשנייה בסמוך ל-115,000 אסימוני הקשר. זה המספר שסביבו כדאי לתכנן את הסוכן שלך, משום שקידוד סוכני מבלה את רוב זמנו במשטר ההקשר הארוך.

• North Mini Code — בסביבות 199 עד 210 אסימוני פלט בשנייה ב-API של Cohere, עם כ-0.25 שניות עד לאסימון הראשון, ופי 2.8 בערך בתפוקה לעומת מודלים קטנים דומים באותה בדיקה. בחומרה מקומית המספרים תלויים לחלוטין במנוע ובקוונטיזציה שלך, אבל התבנית זהה: מהיר בהקשר קצר, איטי יותר ככל שהחלון מתמלא.

ההשוואה הכנה אינה "מי מהיר יותר" אלא "מי מהיר יותר עבור האופן שבו סוכן באמת עובד". מודל שמייצר טוקן ב-8 אלפיות השנייה בהקשר של 4K וב-110 אלפיות השנייה ב-115K הוא מוצר שונה ממודל שמתדרדר בעדינות רבה יותר. אף אחד מהספקים לא מפרסם עקומה. אם עבודה סוכנית עם הקשר ארוך היא מקרה השימוש שלך, מדוד אותה על מאגר הקוד שלך לפני שאתה מתחייב — זו עבודה של אחר צהריים אחד והיא תספר לך יותר מכל אחד משני פוסטי ההשקה.

מומנטום לעומת רעננות

North Mini Code חצה את רף 150,000 ההורדות עד אמצע אוגוסט 2026, חודשיים לאחר השחרור. זהו אות אמיתי: מודל עם רמת אימוץ כזו הורץ על חומרה שכותביו מעולם לא בדקו, הצטברו לו תיקונים בקהילה, והקצוות המחוספסים שלו תועדו על ידי אנשים שאין להם תמריץ להיות נחמדים. Cohere דיווחה על הנתון, כך שיש להתייחס למספר ככזה שסופק על ידי הספק, אך הכיוון מאושש על ידי היקף גרסאות הכימות הנגזרות במחזור.

Flint בן ארבעה ימים. יש לו מפרטים בולטים טובים יותר, פענוח מהיר יותר בהקשר קצר, חלון הקשר מתועד ארוך יותר וסיפור פיתוח מעניין יותר. יש בו גם באג ידוע בתבנית הצ'אט במסלול GGUF של llama.cpp, צוק תפוקה בהקשר ארוך שאיש לא הסביר, ולמעשה אין לו היסטוריית קהילה. אימוץ מוקדם של מודל בן ארבעה ימים הוא הימור על המסלול ולא הערכה של הארטיפקט.

מה להוריד ביום שני

• בחר ב-North Mini Code אם אתה רוצה את המודל שאליו מצורף ציון עצמאי, אם החומרה שלך צנועה, אם המשימות שלך הן הנדסת תוכנה שגרתית במאגר שנכנס בנוחות להקשר, ואם אתה מעדיף חודשיים של דיווחי באגים מהקהילה על פני ארכיטקטורה חדשה יותר. קח בחשבון את אריכות הדברים שלו.

• בחרו ב-Flint אם יש לכם מחשב נייד פרימיום או כרטיס של 24 GB, אם אתם רוצים את חלון ההקשר הארוך יותר, אם מהירות בהקשר קצר היא מה שתהליך העבודה שלכם באמת מפעיל, ואם אתם מוכנים להיות מאמצים מוקדמים בתמורה למודל שסביר להניח שיהיה הטוב יותר בעוד חודש.

• אל תבחר באף אחד מהם כאפשרות היחידה שלך. שניהם מודלים עם 2.5 עד 3 מיליארד פרמטרים פעילים. הם מצוינים במשימות תחומות ואינם עוזרי קידוד ברמת חוד החנית, ו-Recursive אומר זאת בעצמו על המודל שלו. העבודה ששניהם לא יעשו היטב היא העבודה שדורשת מודל חוד חנית מתארח — והארכיטקטורה השפויה היא ברירת מחדל מקומית עם מסלול הסלמה, לא מודל אחד שמבקשים ממנו להיות הכול.

מסלול ההסלמה הזה הוא המקום שבו הניתוב מצדיק את קיומו. OrcaRouter לא מספק אף אחד מהמודלים האלה, כך ששום דבר כאן אינו פרסומת למסלול אליהם. מה ששכבת ניתוב עושה עבור מערך מקומי-תחילה הוא הכיוון ההפוך: היא מאפשרת לך לשלב את המשימות שזקוקות למודל מתארח גדול יותר לתוך אותו נתיב קריאה, עם שרשרת גיבוי לבקשות שבהן המודל המקומי נתקע או שההקשר עולה על גדותיו. כשמוגדר היטב, המודל המקומי מטפל בעבודה השגרתית והמודל היקר נגיש רק כשבאמת צריך אותו — וזו הגרסה היחידה של הארכיטקטורה הזו שחוסכת כסף.

התשובה המשעממת היא הנכונה. שני הקבצים חינמיים, שניהם רצים על חומרה שכנראה יש לך, והדרך היחידה לדעת איזה מהם מתאים למאגר שלך היא לנסות את שניהם עליו. פער הביצועים ביניהם קטן מהפער בין כל אחד מהם לבין עומס העבודה האמיתי שלך.