การ์ดชื่อเรื่องสำหรับ MAI Code 2 เทียบกับ North Mini Code โดย MAI Code 2 แสดงเป็นโมเดล GitHub Copilot ของ Microsoft ในราคาอินพุต $0.50 และเอาต์พุต $2.50 ต่อหนึ่งล้านโทเคน พร้อมหน้าต่างบริบท 1M ไม่มีน้ำหนักโมเดลและไม่มีจำนวนพารามิเตอร์ที่เผยแพร่ ส่วน North Mini Code แสดงเป็นโมเดล Apache 2.0 ของ Cohere ที่มีพารามิเตอร์รวม 30 พันล้านและพารามิเตอร์ที่ใช้งาน 3 พันล้าน หน้าต่างบริบท 256K น้ำหนักโมเดลที่ดาวน์โหลดได้ และมีฟุตพรินต์ที่รันบน H100 ตัวเดียว
Engineering & Research

MAI Code 2 vs North Mini Code: โมเดลแบบเช่า เทียบกับการดาวน์โหลดขนาด 30 พันล้านพารามิเตอร์

ผู้เขียน

jinhao.song

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

ตัวเลขที่ชี้ขาดการจับคู่นี้ไม่ใช่ผลทดสอบมาตรฐาน มันคือ 3 พันล้าน — จำนวนพารามิเตอร์ที่ใช้งานจริงของ North Mini Code ซึ่งเป็นโมเดลเขียนโค้ดภายใต้สัญญาอนุญาต Apache 2.0 ของ Cohere ที่เปิดตัวเมื่อวันที่ 9 มิถุนายน 2026 เล็กพอที่จะให้บริการบน H100 เครื่องเดียว MAI Code 2 เป็นข้อเสนอที่ตรงกันข้าม: Microsoft เปิดตัวเมื่อวันที่ 17 พฤศจิกายน 2026 ในรูปแบบการอนุมานแบบโฮสต์ภายใน GitHub Copilot ในราคา 0.50 ดอลลาร์ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น และ 2.50 ดอลลาร์ต่อโทเค็นเอาต์พุตหนึ่งล้านโทเค็น โดยไม่มีน้ำหนักโมเดล ไม่มีเส้นทางโฮสต์ด้วยตนเอง และ — นี่คือส่วนที่ทำให้การเปรียบเทียบขีดความสามารถเป็นไปไม่ได้ — ไม่มีจำนวนพารามิเตอร์ที่เผยแพร่เลย Microsoft ไม่ได้บอกใครว่าโมเดลมีขนาดใหญ่แค่ไหน ขณะที่ Cohere บอกทุกคนอย่างชัดเจนว่าโมเดลของตนใหญ่แค่ไหน ลงลึกถึงจำนวน expert ความแตกต่างในการเปิดเผยข้อมูลนั้นเป็นแนวทางที่ดีกว่าคะแนนใด ๆ ในการเลือกว่าจะใช้โมเดลไหน เพราะมันบอกคุณว่าผู้ขายแต่ละรายคาดหวังให้คุณทำอะไรกับมัน

ทำไมการเปรียบเทียบขีดความสามารถจึงพังทลายลงทันที

North Mini Code เป็นโมเดล sparse mixture-of-experts ขนาด 3 หมื่นล้านพารามิเตอร์ ที่มีพารามิเตอร์ทำงานจริง 3 พันล้านตัว มีหน้าต่างบริบท 256K รับข้อความเข้าและส่งข้อความออก น้ำหนักโมเดลอยู่ภายใต้ Apache 2.0 และมีขนาดที่พอดีกับการ์ด H100 หนึ่งตัว Cohere ฝึกโมเดลนี้ผ่าน agent harness หลายตัว แทนที่จะผูกติดกับตัวใดตัวหนึ่ง โดย SWE-Agent, mini-SWE-Agent, OpenCode และ Terminus 2 ปรากฏทั้งหมดในเอกสารของบริษัท เพราะจุดสำคัญของโมเดลเปิดคือคุณสามารถนำ agent ของคุณเองมาใช้ได้

เอกสารสเปกที่เผยแพร่ของ MAI Code 2 มีสามรายการ ได้แก่ ราคา หน้าต่างบริบท 1 ล้านโทเคนที่ใช้ได้เฉพาะใน Visual Studio Code และ Copilot CLI เท่านั้น และรายการงานที่ตั้งใจทำ ไม่มีจำนวนพารามิเตอร์ ไม่มีเพดานเอาต์พุต และไม่มีการวัดความหน่วงใด ๆ นอกชุดทดสอบของผู้ผลิตเอง หลักฐานของโมเดลนี้คือเกณฑ์มาตรฐานที่มีชื่อสี่รายการและอัตราส่วนสองค่า — ประสิทธิภาพ 96% ของ Claude Opus 5.5 ด้วยต้นทุน 5% และ 98% ของ GPT-6.1 Sol ด้วยต้นทุน 40% — เฉลี่ยจาก DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas และ FrontierCode v1.1 โดยสามรายการแรกวัดบนแพลตฟอร์ม MSBench ภายในของ Microsoft และ FrontierCode ได้มาจาก Artificial Analysis

สิ่งเหล่านั้นไม่ใช่สองจุดบนเส้นโค้งเดียวกัน ตัวหนึ่งเป็นโมเดลเล็กที่ออกแบบมาให้อยู่ทุกหนทุกแห่ง อีกตัวเป็นโมเดลใหญ่ที่ออกแบบมาให้เช่าใช้ โดยไม่มีการบอกขนาดของมันให้คุณทราบ การเปรียบเทียบความสามารถของทั้งสองไม่ใช่แค่เรื่องยาก แต่เป็นสิ่งที่ไม่สามารถนิยามได้

ต้นทุนการเป็นเจ้าของ ซึ่งเป็นจุดที่ทั้งสองแตกต่างกันจริง ๆ

• ต้นทุนล่วงหน้า — North Mini Code ในราคาเท่ากับ H100 ที่คุณมีอยู่แล้วหรือเช่าอยู่ เปรียบเทียบกับ MAI Code 2 ที่ไม่มีค่าใช้จ่ายเพิ่มเติมนอกเหนือจากสิทธิ์ Copilot ที่คุณมีอยู่

• ต้นทุนส่วนเพิ่มต่อโทเคน — North Mini Code อยู่ที่ $0.00 ต่อล้านโทเคนบน API ที่ Artificial Analysis วัด เทียบกับ MAI Code 2 ที่ $0.50 สำหรับอินพุต และ $2.50 สำหรับเอาต์พุต

• ต้นทุนหลังจากสิบแปดเดือน — North Mini Code ในราคาตามที่สัญญา GPU ของคุณกำหนด เทียบกับ MAI Code 2 ที่ราคา $1.00 และ $5.00 ตั้งแต่ 17 พฤษภาคม 2027 เมื่ออัตราโปรโมชันหมดอายุและเพิ่มขึ้นเป็นสองเท่า

• การเก็บข้อมูลในภูมิภาค — North Mini Code ภายในเครือข่ายของคุณเอง สามารถแยกแบบ air-gapped ได้ เมื่อเทียบกับ MAI Code 2 ในการอนุมานแบบโฮสต์ของ Microsoft ภายใต้ข้อกำหนดผลิตภัณฑ์ของ Microsoft

• ความสามารถในการตรวจสอบ — North Mini Code ภายใต้ Apache 2.0 พร้อมน้ำหนักโมเดลที่ดาวน์โหลดได้ เทียบกับ MAI Code 2 ซึ่งไม่มีการแจกจ่ายน้ำหนักโมเดล

• บริบท — North Mini Code ที่ 256K เทียบกับ MAI Code 2 ที่ 1 ล้านโทเค็น เฉพาะ VS Code และ Copilot CLI

• ภาระด้านการปฏิบัติงาน — North Mini Code ต้องมีสแตกสำหรับให้บริการ ต้องตัดสินใจเรื่องการควอนไทเซชัน และต้องมีคนคอยอยู่เวร ต่างจากการเลือกผ่านตัวเลือกโมเดล

ประโยคสุดท้ายนั่นแหละคือสิ่งที่ทีมต่างๆ มักประเมินต่ำไป น้ำหนักแบบเปิดนั้นฟรีในแบบเดียวกับที่ลูกสุนัขก็ฟรี การให้บริการโมเดลขนาด 30B ด้วย latency ระดับโปรดักชันหมายถึงต้องมี vLLM หรือสิ่งที่เทียบเท่า, tokenizer และ chat template ที่ตรงกับ reference ของ Cohere, การทำ quantisation ที่ไม่ทำลายความน่าเชื่อถือของ tool-calling อย่างเงียบๆ และการวางแผน capacity สำหรับช่วงพีคแทนที่จะใช้ค่าเฉลี่ย ผลตอบแทนคือโมเดลยังทำงานได้แม้ผู้ขายจะไม่ดำเนินการต่อ: ไม่มี rate limit ไม่มีประกาศเลิกใช้งาน และไม่มีการเปลี่ยนราคาที่คุณไม่ได้อนุมัติ

Artificial Analysis วัดด้านการทำงานจริง และตัวเลขที่ได้ก็ดีจริง ๆ — เอาต์พุต 180 โทเคนต่อวินาที และ $0.00 ต่องาน Intelligence Index ในหน้าเดียวกันกับที่รายงานค่ามัธยฐานที่ $0.30 ต่อล้านโทเคนเอาต์พุตสำหรับโมเดลที่ติดตามอยู่ นี่คือโมเดลที่เร็ว แต่ในหน้าเดียวกันก็เป็นโมเดลที่ได้คะแนนต่ำเช่นกัน: Intelligence Index อยู่ที่ 3 ภายใต้เวอร์ชัน 5.0.1 ความเร็วคือสิ่งที่ได้มาแทนความลึก และสำหรับการแก้ไขในลักษณะ autocomplete การแก้ lint และการสร้างโครงทดสอบ การแลกแบบนั้นถือว่าถูกต้อง แต่สำหรับการรีแฟกเตอร์ในระดับทั้งรีโพซิทอรีนั้นไม่ใช่

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.

ตัวเลขของ Microsoft ครอบคลุมอะไรบ้าง และละเว้นอะไรไว้

สรุปหลักฐานของ MAI Code 2 อย่างตรงไปตรงมาคือ หลักฐานนี้ชี้ทิศทางแต่ไม่อาจตรวจสอบยืนยันได้ ทิศทางนั้นสอดคล้องกัน — ราคาถูกกว่ากลุ่มแนวหน้าอย่างมาก และใกล้เคียงกับกลุ่มแนวหน้าเมื่อเฉลี่ยจากเบนช์มาร์กด้านการเขียนโค้ดสี่รายการรวมกัน — แต่การตรวจสอบยืนยันกลับไม่มีอยู่ เพราะ Microsoft เผยแพร่เป็นอัตราส่วน ไม่ใช่อัตราการผ่านของแต่ละเบนช์มาร์ก และ Artificial Analysis ไม่มีแถวข้อมูลของโมเดลนี้ ณ วันที่ 18 พฤศจิกายน 2026

ความหมายอย่างเป็นรูปธรรมคือ คุณไม่สามารถคำนวณจำนวนครั้งที่พยายามต่อหนึ่งงานที่ทำเสร็จสำหรับ MAI Code 2 ได้ ดังนั้นคุณจึงไม่สามารถแปลงส่วนลดโทเค็นให้เป็นตัวเลขต้นทุนต่อการ merge ได้ คุณทำได้เพียงเชื่อคำของ Microsoft ว่าโดยเฉลี่ยแล้วมันออกมาดี บนสี่ benchmark ที่ Microsoft เลือก และกับฮาร์เนสที่ Microsoft รัน ข้ออ้างที่ว่า MAI Code 2 มอบ "การเปลี่ยนแปลงที่ผู้ดูแลโค้ดจะยอม merge" เป็นคำกล่าวประเภทที่ต้องมีตัวเลขสัมบูรณ์รองรับ และไม่มีตัวเลขเช่นนั้นอยู่เลย

North Mini Code มีปัญหาแบบกลับด้าน ตัวเลขของมันเปิดเผยต่อสาธารณะและคะแนนของมันต่ำ — ค่า 61.0% pass@1 บน SWE-Bench Verified ที่ Cohere รายงานเองนั้นถือว่าน่าคารพสำหรับโมเดล 3B-active และ Intelligence Index อิสระที่ค่า 3 ก็ไม่น่าคารพเลยแม้แต่น้อย ทั้งสองอย่างเป็นความจริง เพราะโมเดลขนาดเล็กสามารถผ่านชุดงานฟังก์ชันเดี่ยวที่คัดสรรไว้ได้ แต่ยังคงอ่อนด้อยในงานระยะยาวที่ต้องใช้หลายไฟล์ ซึ่งเป็นงานที่ index ให้คะแนน

แพ็กเกจฟรีหายไปไหน และทำไมเรื่องนี้จึงสำคัญตรงนี้

เรื่องราวการเผยแพร่ของ North Mini Code เปลี่ยนไปเมื่อวันที่ 14 สิงหาคม 2026 เมื่อ Cohere ประกาศว่าโมเดลนี้มีจำนวนดาวน์โหลดเกิน 150,000 ครั้ง และระบุว่าการเพิ่มขึ้นส่วนใหญ่เป็นผลจากการที่แพ็กเกจฟรีของเกตเวย์แบบโฮสต์สิ้นสุดลง ตัวเลขนั้นเป็นการรวบรวมของ Cohere เองจากทุกช่องทางและไม่ได้รับการตรวจสอบอย่างอิสระ — คลัง Hugging Face สาธารณะแสดงตัวเลขรายเดือนที่เล็กกว่าถึงหนึ่งลำดับขนาด — ดังนั้นให้ตีความว่ามันเป็นโมเมนตัม

ผลที่ตามมาคือส่วนที่สำคัญ นักพัฒนาที่เคยรัน North Mini Code โดยไม่เสียค่าใช้จ่ายตอนนี้มีสามทางเลือก ได้แก่ API ของ Cohere เอง การติดตั้งแบบ managed ที่คิดราคาตามอินสแตนซ์ หรือ weights ภายใต้ Apache 2.0 บนฮาร์ดแวร์ที่พวกเขาควบคุมเอง สองในสามทางเลือกเป็นเรื่องของการโฮสต์เอง ซึ่งเป็นจุดสำคัญของ open weights และเป็นต้นทุนที่บทความนี้อธิบายมาตลอด

MAI Code 2 ไม่มีความเสี่ยงเรื่อง churn ในระดับเดียวกัน เพราะไม่เคยเป็นบริการที่แยกอิสระมาตั้งแต่แรก มันอยู่ใน Copilot subscription ที่ Microsoft ควบคุมราคา โดยใช้อัตราต่อโทเคนที่ระบุว่าเป็นโปรโมชันและมีวันสิ้นสุดที่ชัดเจน รูปแบบความล้มเหลวจึงต่างกันโดยธรรมชาติ: ไม่ใช่ free tier ที่หายไป แต่เป็นอัตราค่าบริการที่เพิ่มเป็นสองเท่าในวันที่ตามปฏิทินที่คุณวางแผนรับมือได้

รันฝั่งราคาถูกผ่านเอนด์พอยต์เดียว

ทั้ง MAI Code 2 และ North Mini Code ต่างก็ไม่ได้อยู่ในแค็ตตาล็อกของ OrcaRouter และการบอกเป็นนัยว่าเป็นอย่างอื่นก็ถือว่าผิด เส้นทางที่เผยแพร่เพียงเส้นทางเดียวของ MAI Code 2 คือสิทธิ์การใช้งาน Copilot ส่วนของ North Mini Code คือ API ของ Cohere เอง การปรับใช้แบบ managed หรือ GPU ของคุณเอง สิ่งที่เลเยอร์การจัดเส้นทางเปลี่ยนแปลงไม่ใช่การเข้าถึงโมเดลทั้งสองนั้น แต่เป็นต้นทุนของการตัดสินใจที่เกี่ยวข้องกับโมเดลเหล่านี้: โมเดลที่คุณจะหันไปใช้เป็นทางสำรอง — Claude Opus 5.5, Gemini 4 Carbon, Kimi K3.1 Pro, Qwen3.8-Max — อยู่เบื้องหลังคีย์เดียวในราคาตามรายการของผู้ให้บริการโดยบวกกำไร 0% ดังนั้นการรันเปรียบเทียบกับโมเดลใดก็ตามในกลุ่มนี้จะถูกคิดเงินในอัตราของผู้ขายอย่างตรงตัว และ การ failover อัตโนมัติหมายความว่าโมเดลราคาถูกที่คุณกำลังทดสอบจะไม่กลายเป็นสาเหตุที่ทำให้ไปป์ไลน์หยุดทำงาน.

รูปแบบที่ได้ผลสำหรับทีมในสถานะนี้คือการแยกเป็นสองชั้นมากกว่าการสลับเปลี่ยน โดยวาง North Mini Code หรือโมเดลเปิดขนาดเล็กที่เทียบเคียงได้ไว้ในชั้นงานประจำ ซึ่งพารามิเตอร์ที่ใช้งานจริง 3 พันล้านตัวเพียงพออย่างแท้จริงและต้นทุนดำเนินงานได้จมไปแล้ว จากนั้นวางโมเดล frontier ที่ผ่านการประเมินอย่างรอบคอบไว้ในชั้นที่จัดการการ refactor และการให้เหตุผลระดับทั้ง repository แล้วจึงมอง MAI Code 2 เป็นช่องทางที่สามที่เปิดให้นักพัฒนาภายใน Copilot เท่านั้น ซึ่งมีประโยชน์สำหรับทดสอบว่าข้ออ้างเรื่องราคาเทียบประสิทธิภาพของ Microsoft ยังคงอยู่เมื่อนำมาใช้กับ repository ของคุณจริงหรือไม่ และยังไม่ใช่ตัวเลือกสำหรับสิ่งใดที่ build server ต้องเรียกใช้

การตัดสินใจ ในรูปแบบที่ทีมสามารถนำไปปฏิบัติได้

เลือก North Mini Code หากข้อกำหนดคือโมเดลต้องทำงานในสภาพแวดล้อมเดียวกับที่คุณทำงาน — ข้อมูลที่อยู่ภายใต้การกำกับดูแล เครือข่ายแบบ air-gapped พื้นที่โรงงานที่ไม่มีช่องทางเชื่อมต่อออกที่เชื่อถือได้ — หรือหากคุณมีกำลังความสามารถ GPU ที่จ่ายเงินไปแล้วและยังว่างอยู่ สัญญาอนุญาต Apache 2.0 และการใช้ H100 เพียงหนึ่งตัวคือเหตุผลทั้งหมด และเป็นเหตุผลที่หนักแน่น จงยอมรับเป็นการแลกเปลี่ยนว่าคุณกำลังซื้อความสามารถของโมเดลที่มีพารามิเตอร์ที่ใช้งานจริง 3B ว่าคะแนนอิสระอยู่ที่ 3 จากดัชนี และว่าตอนนี้คุณต้องเป็นเจ้าของสแต็กการให้บริการเอง

เลือก MAI Code 2 หากนักพัฒนาของคุณทำงานใน Copilot อยู่แล้ว และงานนั้นเป็นการซ่อมบำรุงองค์กรตามปกติ ซึ่งข้อได้เปรียบด้านราคาสี่เท่าเมื่อเทียบกับโมเดลระดับแนวหน้ามีความสำคัญกว่าคะแนนที่ผ่านการตรวจสอบ ยอมรับว่าโมเดลนี้ไม่ใช่ของคุณ ไม่สามารถตรวจสอบได้ ไม่มีการเปิดเผยขนาด และราคาจะเพิ่มขึ้นเป็นสองเท่าในเดือนพฤษภาคม 2027

อย่าเลือกระหว่างสองตัวนี้จากตัวเลข benchmark North Mini Code ถูกวัดผลและมีขนาดเล็ก ส่วน MAI Code 2 ยังไม่ถูกวัดผล และตามคำบอกเล่าของผู้จำหน่ายเอง มันถูกปรับแต่งมาสำหรับงานทั่วไปในชีวิตประจำวันมากกว่างานที่ยาก หนึ่งในนั้นคือข้อเท็จจริงที่คุณตรวจสอบได้ ส่วนอีกอย่างคือคำกล่าวอ้างที่คุณตรวจสอบไม่ได้ และทั้งสองอย่างก็ไม่ใช่การเปรียบเทียบ

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.

ทั้งสองโมเดลมีบทเรียนร่วมกันหนึ่งข้อ ซึ่งบล็อกนี้เจออยู่เรื่อยๆ โมเดลหนึ่งแพ็กเกจโฮสต์ฟรีถูกยกเลิกไป ส่วนอีกโมเดลมีวันสิ้นสุดของอัตราโปรโมชั่นระบุไว้ ทีมที่สถาปัตยกรรมตั้งสมมติฐานว่าอย่างใดอย่างหนึ่งจะคงอยู่ต่อไป คือทีมที่จะต้องกลับมาเขียนบางอย่างใหม่ในเวลาอันสั้น

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.

การเปรียบเทียบในบทความนี้1

ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube