Karta tytułowa MAI Code 2 vs North Mini Code. MAI Code 2 przedstawiono jako model Microsoftu dla GitHub Copilot w cenie 0,50 USD za wejście i 2,50 USD za wyjście za milion tokenów, z oknem kontekstu 1 mln, bez wag i bez opublikowanej liczby parametrów. North Mini Code przedstawiono jako model Cohere na licencji Apache 2.0 z 30 miliardami łącznych i 3 miliardami aktywnych parametrów, oknem kontekstu 256K, wagami do pobrania i zużyciem zasobów pozwalającym na uruchomienie na jednej H100.
Engineering & Research

MAI Code 2 kontra North Mini Code: model wynajmowany wobec 30-miliardowego modelu do pobrania

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Liczba, która rozstrzyga ten pojedynek, to nie benchmark. To 3 miliardy — liczba aktywnych parametrów North Mini Code, modelu do kodowania Cohere na licencji Apache 2.0 wydanego 9 czerwca 2026 r., wystarczająco małego, by można go było obsłużyć na jednej H100. MAI Code 2 to przeciwieństwo tego podejścia: Microsoft wydał go 17 listopada 2026 r. jako hostowaną inferencję w GitHub Copilot, w cenie 0,50 USD za milion tokenów wejściowych i 2,50 USD za milion tokenów wyjściowych, bez wag, bez możliwości samodzielnego hostowania i — to właśnie ten element uniemożliwia porównanie możliwości — bez żadnej opublikowanej liczby parametrów. Microsoft nie powiedział nikomu, jak duży jest ten model. Cohere powiedział wszystkim dokładnie, jak duży jest jego model, aż do liczby ekspertów. Ta różnica w ujawnianiu informacji jest lepszym wskazaniem, który model wybrać, niż jakikolwiek wynik, ponieważ mówi, czego każdy dostawca oczekuje, że zrobisz z modelem.

Dlaczego porównanie możliwości natychmiast się rozpada

North Mini Code to rzadki model mieszanki ekspertów z 30 miliardami parametrów i 3 miliardami aktywnych parametrów, oknem kontekstu 256K, tekstem na wejściu i wyjściu, wagami na licencji Apache 2.0 oraz rozmiarem mieszczącym się na jednej H100. Cohere trenowało go w kilku środowiskach agentowych, zamiast przypisywać go do jednego — SWE-Agent, mini-SWE-Agent, OpenCode i Terminus 2 pojawiają się w materiałach firmy — ponieważ sensem otwartego modelu jest to, że przynosisz własnego agenta.

Opublikowana karta specyfikacji MAI Code 2 zawiera trzy pozycje: cenę, okno kontekstu o wielkości 1 miliona tokenów dostępne wyłącznie w Visual Studio Code i Copilot CLI oraz listę zamierzonych zadań. Nie ma liczby parametrów, limitu wyjścia ani benchmarku opóźnień poza własnym środowiskiem testowym dostawcy. Jej dowody to cztery nazwane benchmarki i dwa wskaźniki — 96% wydajności Claude Opus 5.5 przy 5% kosztu, 98% wydajności GPT-6.1 Sol przy 40% — uśrednione w DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas i FrontierCode v1.1, przy czym pierwsze trzy uruchomiono na wewnętrznej platformie MSBench firmy Microsoft, a FrontierCode pochodzi z Artificial Analysis.

To nie są dwa punkty na jednej krzywej. Jeden to mały model zaprojektowany tak, by był wszechobecny; drugi to duży model zaprojektowany do wynajmowania, którego rozmiaru ci nie podano. Porównywanie ich pod względem możliwości nie jest po prostu trudne — jest niezdefiniowane.

The cost of ownership, which is where the two actually differ

• Koszt początkowy — North Mini Code w cenie H100, którą już posiadasz lub wynajmujesz, wobec MAI Code 2 za zero poza posiadaną przez Ciebie licencją Copilot

• Koszt krańcowy na token — North Mini Code po 0,00 USD za milion tokenów w API, które mierzy Artificial Analysis, w porównaniu z MAI Code 2 przy 0,50 USD za dane wejściowe i 2,50 USD za dane wyjściowe

• Koszt po osiemnastu miesiącach — North Mini Code po stawce wynikającej z Twojej umowy na GPU, w porównaniu z MAI Code 2 po 1,00 i 5,00 USD od 17 maja 2027 r., gdy wygaśnie stawka promocyjna i wzrośnie ona dwukrotnie

• Lokalizacja danych — North Mini Code w Twojej własnej sieci, z możliwością odizolowania (air-gap), w porównaniu z MAI Code 2 w hostowanej inferencji Microsoftu na warunkach produktowych Microsoftu

• Audytowalność — North Mini Code na licencji Apache 2.0 z wagami do pobrania, w porównaniu z MAI Code 2, dla którego nie są udostępniane żadne wagi

• Kontekst — North Mini Code przy 256K, w zestawieniu z MAI Code 2 przy 1 milionie tokenów, tylko VS Code i Copilot CLI

• Obciążenie operacyjne — North Mini Code wymaga stosu do serwowania, decyzji o kwantyzacji i osoby na dyżurze, w przeciwieństwie do wyboru modelu z listy

To ostatnie zdanie jest tym, które zespoły nie doceniają. Otwarte wagi są darmowe tak, jak darmowy jest szczeniak. Serwowanie modelu 30B przy produkcyjnych opóźnieniach wymaga vLLM lub odpowiednika, tokenizera i szablonu czatu zgodnych z referencją Cohere, kwantyzacji, która nie niszczy po cichu niezawodności wywoływania narzędzi, oraz planowania pojemności na szczyt, a nie na średnią. Zysk jest taki, że model działa dalej, gdy dostawca przestaje: bez limitu szybkości, bez powiadomienia o wycofaniu, bez zmiany ceny, której nie zatwierdzono.

Artificial Analysis zmierzył stronę operacyjną i odczyt jest naprawdę dobry — 180 tokenów na sekundę na wyjściu i 0,00 USD na zadanie Intelligence Index, na tej samej stronie, która podaje medianę 0,30 USD za milion tokenów wyjściowych wśród śledzonych modeli. To szybki model. Jest to również, na tej samej stronie, model nisko oceniany: Intelligence Index na poziomie 3 w wersji 5.0.1. Szybkość jest tym, co otrzymujesz zamiast głębi, i w przypadku edycji w stylu autouzupełniania, poprawek lint i szkieletów testów ta wymiana jest właściwa. W przypadku refaktoryzacji na skalę repozytorium już nie.

Artificial Analysis page for North Mini Code showing an Intelligence Index of 3 against a median of 6, $0.00 per million input and output tokens, 180 tokens per second, 4.70 seconds to first token, 54.5 million tokens generated on the index run, a 256k token context window, 30 billion total parameters and 3 billion active parameters.

Co obejmują liczby Microsoftu, a czego nie uwzględniają

Uczciwe podsumowanie dowodów dotyczących MAI Code 2 jest takie, że są kierunkowe i nieweryfikowalne. Kierunek jest spójny — znacznie tańszy od czołówki, blisko niej pod względem średniej z czterech benchmarków kodowania — a weryfikacji brak, ponieważ Microsoft opublikował współczynniki, a nie odsetki zaliczeń dla poszczególnych benchmarków, a Artificial Analysis nie ma wiersza dla tego modelu na dzień 18 listopada 2026 r.

Co to konkretnie oznacza: nie można obliczyć liczby prób przypadających na ukończone zadanie dla MAI Code 2, więc nie można przełożyć zniżki na tokeny na koszt przypadający na scalenie. Można jedynie wierzyć Microsoftowi na słowo, że średnia się zgadza — na czterech benchmarkach wybranych przez Microsoft i w środowisku testowym uruchomionym przez Microsoft. Twierdzenie, że MAI Code 2 dostarcza „zmiany, które opiekunowie kodu scaliliby”, to stwierdzenie, za którym musi stać konkretna liczba, a takiej nie ma.

North Mini Code ma problem lustrzanego odbicia. Jego liczby są publiczne, a wyniki niskie — podawane przez samą Cohere 61,0% pass@1 na SWE-Bench Verified jest przyzwoite jak na model z 3B aktywnych parametrów, a niezależny Intelligence Index o wartości 3 nie jest przyzwoity wcale. Oba te fakty są prawdziwe, ponieważ mały model może przejść wyselekcjonowany zestaw zadań jednofunkcyjnych i nadal być słaby w długoterminowej pracy obejmującej wiele plików, którą nagradza ten indeks.

Dokąd zniknął darmowy plan i dlaczego ma to tutaj znaczenie

Historia dystrybucji North Mini Code zmieniła się 14 sierpnia 2026 r., kiedy Cohere ogłosił, że model przekroczył 150 000 pobrań, i przypisał znaczną część tego wzrostu likwidacji darmowego planu hostowanej bramy. Ta liczba to własne zbiorcze zestawienie Cohere obejmujące wszystkie kanały, niezweryfikowane niezależnie — publiczne repozytorium na Hugging Face pokazuje miesięczny wynik o rząd wielkości mniejszy — więc traktuj ją jako wskaźnik dynamiki.

Konsekwencja jest tym, co się liczy. Programista, który dotąd uruchamiał North Mini Code za darmo, ma teraz trzy opcje: własne API Cohere, zarządzane wdrożenie wyceniane za instancję albo wagi na licencji Apache 2.0 na sprzęcie, który kontroluje. Dwie z trzech to historie o samodzielnym hostowaniu, co jest dokładnie sensem otwartych wag i dokładnie tym kosztem, który opisuje ten artykuł.

MAI Code 2 nie niesie ze sobą równoważnego ryzyka rezygnacji, ponieważ nigdy nie był samodzielny. Działa w ramach subskrypcji Copilot, której cenę kontroluje Microsoft, przy stawce za token udokumentowanej jako promocyjna, z podaną datą zakończenia. Model awarii jest zasadniczo inny: nie polega na zniknięciu darmowego planu, lecz na podwojeniu cennika w konkretnym dniu, który można sobie zaplanować.

Przepuszczanie tańszej opcji przez jeden punkt końcowy

Ani MAI Code 2, ani North Mini Code nie znajdują się w katalogu OrcaRouter, a błędem byłoby sugerować inaczej. Jedyną opublikowaną ścieżką dostępu do MAI Code 2 jest miejsce w Copilot; w przypadku North Mini Code są to własne API Cohere, wdrożenie zarządzane lub Twoje własne GPU. Warstwa routingu nie zmienia dostępu do tych dwóch modeli, lecz koszt decyzji wokół nich: modele, na które byś przełączył się w razie potrzeby — Claude Opus 5.5, Gemini 4 Carbon, Kimi K3.1 Pro, Qwen3.8-Max — są dostępne za jednym kluczem po cenie katalogowej dostawcy z 0% marży, więc uruchomienie porównawcze z dowolnym z nich jest rozliczane dokładnie według stawki dostawcy, a automatyczne przełączanie awaryjne oznacza, że testowany tani model nigdy nie staje się powodem zatrzymania potoku.

Wzorzec, który sprawdza się w zespole w tej sytuacji, to dwupoziomowy podział, a nie przełącznik. Umieść North Mini Code lub porównywalny mały model otwarty na poziomie rutynowym, gdzie 3 miliardy aktywnych parametrów naprawdę wystarczają, a koszt operacyjny został już poniesiony. Na poziomie obsługującym refaktoryzacje i rozumowanie w skali repozytorium umieść wyważony model frontierowy. Następnie potraktuj MAI Code 2 jako trzeci tor dostępny wyłącznie dla deweloperów wewnątrz Copilot — przydatny do sprawdzenia, czy deklarowana przez Microsoft relacja ceny do wydajności przetrwa zetknięcie z Twoimi repozytoriami, i jeszcze niebędący kandydatem do niczego, co musiałby wywoływać serwer kompilacji.

Decyzja w formie, na podstawie której zespół może działać

Wybierz North Mini Code, jeśli wymaganiem jest, aby model działał tam, gdzie Ty działasz — dane objęte regulacjami, sieć odizolowana od internetu, hala fabryczna bez niezawodnego wyjścia na zewnątrz — albo jeśli masz moc GPU, za którą już zapłacono i która stoi bezczynnie. Licencja Apache 2.0 i zapotrzebowanie na jedną H100 to cały argument, i to mocny. W zamian zaakceptuj, że kupujesz możliwości modelu z 3 mld aktywnych parametrów, że niezależny wynik wynosi 3 w indeksie oraz że od teraz to Ty odpowiadasz za stos serwowania.

Wybierz MAI Code 2, jeśli Twoi deweloperzy już pracują w Copilot, a praca polega na rutynowych naprawach korporacyjnych, gdzie czterokrotna przewaga cenowa nad modelem frontier ma większe znaczenie niż audytowany wynik. Zaakceptuj, że model nie jest Twój, nie można go audytować, nie ma publikowanego rozmiaru, a w maju 2027 r. jego cena się podwoi.

Nie wybieraj między nimi na podstawie wyników benchmarków. North Mini Code został zmierzony i jest niewielki; MAI Code 2 nie został zmierzony i — według własnego dostawcy — jest dostrojony do codziennych zastosowań, a nie do trudnych. Jedno z nich to fakt, który możesz sprawdzić, a drugie to twierdzenie, którego nie możesz, i ani jedno, ani drugie nie jest porównaniem.

Cohere's blog post headed 'Introducing North Mini Code: Cohere's first model for developers', dated June 9, 2026, with a three-minute read time and a lede describing a small, efficient, open-source agentic coding model.

Obydwa modele dzielą tę samą lekcję, na którą ten blog ciągle wpada. W przypadku jednego darmowy hostowany plan zniknął. W przypadku drugiego promocyjna stawka ma wypisaną datę końcową. Zespół, którego architektura zakłada, że jedno lub drugie się utrzyma, to zespół, który będzie coś przepisywać w krótkim czasie.

Scoreboard comparing MAI Code 2 and North Mini Code across six dimensions. Total parameters not published versus 30 billion, active parameters not published versus 3 billion, context 1M tokens versus 256K tokens, price $0.50 and $2.50 versus $0.00 per million tokens, weights not distributed versus Apache 2.0, and independent index no entry versus 3.

Porównane w tym artykule1

Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie