Flint v1.0 против North Mini Code: две открытые MoE для кодинга сражаются за ваш ноутбук

Большинство страниц «versus» на этом сайте сравнивают то, что никогда по-настоящему не соперничало. Эта страница — исключение. Recursive Flint v1.0 и Cohere North Mini Code относятся к одному и тому же типу объектов: это разреженные модели для программирования на основе смеси экспертов, опубликованные под Apache 2.0, достаточно малые, чтобы работать на оборудовании, которое у разработчика уже есть, и обе позиционируются как локальный, а не фронтирный вариант. Flint появился 21 октября 2026 года с 39,8 млрд общих параметров и примерно 2,5 млрд активных параметров на токен. North Mini Code появился 9 июня 2026 года с 30 млрд общих параметров и 3 млрд активных параметров. Это достаточно близко, чтобы выбор сводился к тому, что лежит в файле и что реально было измерено, — и по обоим пунктам ответ не тот, на который намекают публикации о запуске.

Эти два файла, измерение за измерением

Начните с того, что входит в комплект, потому что для двух self-hosted моделей именно это сравнение выдерживает проверку реальностью.

• Всего параметров — Flint: 39,8 млрд. North Mini Code: 30 млрд.

• Активные параметры на токен — Flint: около 2,5 млрд, из них 2,2 млрд в теле модели, а остальные — в выходной голове. North Mini Code: 3 млрд. Практически идентично, и именно это число определяет стоимость инференса.

• Маршрутизация экспертов — Flint: 256 маршрутизируемых экспертов, 6 выбираются на токен плюс 1 общий, в 47 слоях MoE и 2 плотных слоях. North Mini Code: 128 экспертов, 8 активных на токен.

• Внимание — Flint: комбинация слоёв со скользящим окном и глобальных слоёв с attention sinks. North Mini Code: соотношение 3:1 между скользящим окном и глобальным вниманием. Оба делают одну и ту же ставку: большинству токенов нужно только локальное внимание, а некоторым — всё окно.

• Контекст — Flint: 262 144 токена, указанные в карточке модели, при этом в анонсе упоминается до 512K и рекомендуется 256K. North Mini Code: 256K на входе, 64K максимальный вывод.

• Модальность — Flint: текст на входе, текст на выходе. North Mini Code: текст на входе, текст на выходе. Ни один из них не принимает изображения, что важно, если ваша работа связана со скриншотами.

• Лицензия — обе под Apache 2.0, веса включены, без ограничения по выручке.

• Опубликованные форматы — Flint: BF16, int4 safetensors, int4 GGUF, NVFP4 GGUF. North Mini Code: BF16, FP8 и W4A16.

• Диск и память — Flint: 79,59 ГБ в BF16, 22,86 ГБ в формате NVFP4 и примерно 24 ГБ оперативной памяти для запуска. North Mini Code: около 20–24 ГБ в квантованном виде, при этом собственное демо Cohere работает на Mac Studio при примерно 20 ГБ.

Память — это первый разрез, и она ближе, чем можно судить по числу параметров.

Наивное прочтение 39.8B против 30B подсказывает, что Flint требуется на треть больше памяти. Это не так, потому что оба разреженные и оба публикуют агрессивные квантованные сборки. Фактически вы выбираете между файлом NVFP4 на 22.86 GB и квантованной сборкой примерно на 20 GB — настолько близко, что одна и та же карта на 24 GB запустит любой из них, и настолько близко, что ни один из них не является очевидным выбором только по занимаемому объёму.

Различается запас по ресурсам. По сообщениям, North Mini Code запускали с 4-битным GGUF на Ryzen 7 с 32 ГБ DDR4 — это по-настоящему обычный настольный компьютер, а не рабочая станция. Утверждение Flint о ноутбуке более конкретно: показатели пропускной способности Recursive измерены на M4 Pro MacBook Pro и на 64 ГБ RTX Spark, и обе машины относятся к премиальным. Файл размером 22,86 ГБ загрузится на карту с 24 ГБ. Будет ли он работать со скоростью, которую вы готовы терпеть, — отдельный вопрос, и он во многом зависит от движка.

Если ваше ограничение — «машина, которая у меня уже есть», у North Mini Code больше сообщений о запуске на заурядном оборудовании. Если ваше ограничение — «лучшая машина, которая у меня есть», Flint — более новая архитектура и более быстрый вариант при коротком контексте.

У одного из них есть независимое табло

Это та часть сравнения, которую большинство обзоров пропускает, и именно она должна определять решение о закупке.

North Mini Code была измерена Artificial Analysis. Она набирает 33,4 балла в AA Coding Index и 27,6 в AA Intelligence Index, а SWE-bench Verified — 67,6 pass@1 и 80,2 pass@10, а также 61,0 в mini-SWE-Agent. Это сторонние измерения, полученные по единому протоколу, а значит, их можно сравнивать с другими моделями по тому же индексу без примечания об используемом стенде.

У Flint нет записи в Artificial Analysis. Его опубликованные результаты — 74,2 на SWE-bench Verified, 89,7 на SWE-bench Pro v2, 54,9 на Terminal-Bench 2.1 — получены на собственном стенде Recursive, и никто их не перепроверял. Методология раскрыта, что делает честь Recursive: mini-swe-agent без интернета для прогонов SWE-bench; Terminus 2 с интернетом для Terminal-Bench, но любое полученное из веба решение засчитывалось как неудача; pass@1 усреднён как минимум по пяти попыткам. Раскрытая методология — это не проверенная методология.

Так можно ли сравнить 67,6 с 74,2? Ответственно — нет. Их получили разные организации на разных испытательных стендах с разными правилами, и разрыв — 6,6 балла — вполне укладывается в диапазон, на который выбор стенда сам по себе способен сдвинуть оценку. Можно сказать более узко, но всё ещё полезно: показатель North Mini Code проверил кто-то, кто не создавал модель, а показатель Flint — нет. Если вы выбираете на основе доказательств, а не спецификаций, именно эта асимметрия и важна.

В колонке North Mini Code есть ещё один нелестный, но полезный показатель: Artificial Analysis отметила модель как необычайно многословную — в тестах она израсходовала примерно 75 млн выходных токенов при медиане по классу около 25 млн. Многословность — это множитель затрат в агентном цикле. Модель, которая рассуждает вслух в три раза больше, может быть дешевле за токен и дороже за задачу.

Ситуация со скоростью полностью меняется на длинном контексте

Обе модели быстры при коротких промптах, и обе замедляются, когда контекст заполняется. Разница в том, насколько.

• Flint — Recursive заявляет о более чем 125 токенах в секунду на M4 Pro MacBook Pro и более 150 на RTX Spark с 64 ГБ, измеренных при коротком контексте без учёта prefill. Независимое тестирование сообщило примерно о 110 токенах в секунду при коротких промптах, снижающихся примерно до 9 токенов в секунду при контексте около 115 000 токенов. Именно на это число стоит ориентировать проектирование вашего агента, поскольку агентное программирование большую часть своей жизни проводит в режиме длинного контекста.

• North Mini Code — около 199–210 выходных токенов в секунду в API Cohere при примерно 0,25 секунды до первого токена и примерно в 2,8 раза большей пропускной способности, чем у сопоставимых малых моделей в том же тестировании. На локальном оборудовании цифры полностью зависят от вашего движка и квантования, но закономерность та же: быстро при коротком контексте, медленнее по мере заполнения окна.

Честное сравнение — это не «какой быстрее», а «какой быстрее для того, как агент на самом деле работает». Модель, которая пишет токен за 8 миллисекунд при контексте 4K и за 110 миллисекунд при 115K, — это другой продукт, чем модель, которая деградирует более плавно. Ни один из поставщиков не публикует кривую. Если ваш сценарий — агентная работа с длинным контекстом, измерьте это на своём репозитории, прежде чем сделать выбор — это работа на полдня, и она скажет вам больше, чем оба поста о запуске.

Импульс против свежести

К середине августа 2026 года, через два месяца после релиза, число загрузок North Mini Code превысило 150 000. Это реальный сигнал: модель с таким уровнем распространения запускали на оборудовании, которое её авторы никогда не тестировали, в сообществе накопились исправления, а её шероховатости задокументированы людьми, у которых нет причин быть снисходительными. Cohere сообщила эту цифру, поэтому считайте её предоставленной вендором, но направление подтверждается объёмом производных квантованных версий в обращении.

Модели Flint четыре дня. У неё лучше заявленные характеристики, более быстрая декодировка при коротком контексте, более длинное документированное окно контекста и более интересная история разработки. У неё также есть известная ошибка шаблона чата в пути GGUF для llama.cpp, обрыв пропускной способности на длинном контексте, который никто не объяснил, и практически никакой истории в сообществе. Раннее внедрение четырёхдневной модели — это ставка на траекторию, а не оценка самого артефакта.

Что скачать в понедельник

• Выбирайте North Mini Code, если вам нужна модель с независимой оценкой, если у вас скромное железо, если ваши задачи — обычная разработка ПО в репозитории, который комфортно помещается в контекст, и если вы цените два месяца отчётов сообщества об ошибках больше, чем более новую архитектуру. Учитывайте её многословность.

• Выбирайте Flint, если у вас премиальный ноутбук или видеокарта с 24 ГБ, если вам нужно более длинное контекстное окно, если ваш рабочий процесс действительно задействует скорость на коротком контексте и если вы готовы стать ранним пользователем в обмен на модель, которая, вероятно, станет лучшей через месяц.

• Не выбирайте ни одну из них в качестве единственного варианта. Обе — модели с 2,5–3 млрд активных параметров. Они отлично справляются с узко очерченными задачами и не являются передовыми помощниками по программированию, и Recursive говорит то же самое о своей собственной модели. Работа, с которой ни одна из них не справится хорошо, — это работа, требующая передовой модели, размещённой на сервере, — а разумная архитектура предполагает локальный вариант по умолчанию с путём эскалации, а не одну модель, от которой требуют быть всем сразу.

Именно на таком пути эскалации маршрутизация оправдывает себя. OrcaRouter не обслуживает ни одну из этих моделей, так что здесь нет рекламы маршрута к ним. А слой маршрутизации для local-first-конфигурации работает в другом направлении: он позволяет объединять задачи, которым нужна более крупная хостируемая модель, в тот же путь вызова, с цепочкой резервных переключений для запросов, где локальная модель застревает или переполняется контекст. При правильной настройке локальная модель выполняет рутинную работу, а к дорогой модели обращаются только тогда, когда она действительно нужна, — и это единственный вариант такой архитектуры, позволяющий экономить деньги.

Скучный ответ — правильный. Оба файла бесплатны, оба работают на железе, которое у вас, скорее всего, есть, и единственный способ узнать, какой из них подходит вашему репозиторию, — попробовать оба на нём. Разрыв в бенчмарках между ними меньше, чем разрыв между любым из них и вашей реальной рабочей нагрузкой.