Flint v1.0 vs North Mini Code: Hai MoE lập trình mã nguồn mở đang tranh giành laptop của bạn

Hầu hết các trang "versus" trên site này đều ghép những thứ chưa từng thực sự là đối thủ của nhau. Trang này thì khác. Recursive Flint v1.0 và Cohere North Mini Code là cùng một loại đối tượng: các mô hình lập trình mixture-of-experts thưa, được công bố theo Apache 2.0, đủ nhỏ để chạy trên phần cứng mà lập trình viên đã sở hữu, và cả hai đều được định vị là lựa chọn cục bộ thay vì lựa chọn tiên phong. Flint ra mắt ngày 21 tháng 10 năm 2026 với tổng cộng 39,8 tỷ tham số và khoảng 2,5 tỷ tham số hoạt động mỗi token. North Mini Code ra mắt ngày 9 tháng 6 năm 2026 với tổng cộng 30 tỷ tham số và 3 tỷ tham số hoạt động. Khoảng cách đó đủ gần để lựa chọn phụ thuộc vào những gì có trong tệp và những gì đã thực sự được đo lường — và ở cả hai khía cạnh, câu trả lời không phải là điều mà các bài đưa tin ra mắt ngụ ý.

Hai tệp, theo từng chiều một.

Hãy bắt đầu với những gì có trong hộp, vì với hai mô hình tự lưu trữ, đây là phép so sánh đứng vững trước thực tế.

Tổng số tham số — Flint: 39.8B. North Mini Code: 30B.

• Số tham số hoạt động trên mỗi token — Flint: khoảng 2,5B, với 2,2B trong phần thân và phần còn lại ở head đầu ra. North Mini Code: 3B. Gần như giống hệt nhau, và đây là con số quyết định chi phí suy luận.

• Định tuyến chuyên gia — Flint: 256 chuyên gia được định tuyến, 6 chuyên gia được chọn cho mỗi token cùng 1 chuyên gia dùng chung, trên 47 lớp MoE và 2 lớp dense. North Mini Code: 128 chuyên gia, 8 chuyên gia hoạt động cho mỗi token.

• Cơ chế chú ý — Flint: kết hợp các lớp cửa sổ trượt và lớp toàn cục với attention sink. North Mini Code: tỷ lệ 3:1 giữa cửa sổ trượt và toàn cục. Cả hai đang đặt cùng một cược, rằng hầu hết token chỉ cần chú ý cục bộ và một vài token cần toàn bộ cửa sổ.

• Ngữ cảnh — Flint: 262,144 token được ghi trên thẻ mô hình, với thông báo đề cập tới tối đa 512K và khuyến nghị 256K. North Mini Code: đầu vào 256K, đầu ra tối đa 64K.

• Phương thức — Flint: văn bản vào, văn bản ra. North Mini Code: văn bản vào, văn bản ra. Cả hai đều không nhận hình ảnh, điều này quan trọng nếu công việc của bạn có liên quan đến ảnh chụp màn hình.

• Giấy phép — cả hai đều là Apache 2.0, bao gồm trọng số, không có ngưỡng doanh thu.

• Định dạng đã phát hành — Flint: BF16, int4 safetensors, int4 GGUF, NVFP4 GGUF. North Mini Code: BF16, FP8 và W4A16.

• Ổ đĩa và bộ nhớ — Flint: 79.59 GB ở BF16, 22.86 GB dưới dạng NVFP4, và khoảng 24 GB bộ nhớ để chạy. North Mini Code: khoảng 20 đến 24 GB đã lượng tử hóa, với bản demo của chính Cohere chạy trên Mac Studio ở khoảng 20 GB.

Bộ nhớ là lát cắt đầu tiên, và nó gần hơn những gì số lượng tham số gợi ý.

Cách hiểu ngây thơ về 39,8B so với 30B là Flint cần nhiều hơn một phần ba bộ nhớ. Thực tế không phải vậy, vì cả hai đều là sparse và đều phát hành những bản dựng lượng tử hóa mạnh tay. Điều bạn thực sự đang cân nhắc là chọn giữa một tệp NVFP4 22,86 GB và một bản dựng lượng tử hóa khoảng 20 GB — đủ gần để cùng một card 24 GB chạy được cả hai, và cũng đủ gần để không bên nào là lựa chọn hiển nhiên chỉ xét trên dung lượng.

Điều khác biệt là khoảng dư. North Mini Code đã được báo cáo là chạy GGUF 4-bit trên Ryzen 7 với 32 GB DDR4 — một chiếc desktop thực sự bình thường, không phải workstation. Tuyên bố của Flint về laptop cụ thể hơn: các con số thông lượng của Recursive được đo trên M4 Pro MacBook Pro và trên RTX Spark 64 GB, cả hai đều là máy cao cấp. Tệp 22,86 GB sẽ tải được trên card 24 GB. Việc nó chạy ở tốc độ bạn có thể chấp nhận là một câu hỏi riêng, và điều đó phụ thuộc rất nhiều vào engine.

Nếu ràng buộc của bạn là “chiếc máy tôi đã có sẵn”, North Mini Code có nhiều báo cáo hơn về việc chạy trên phần cứng không có gì đặc biệt. Nếu ràng buộc của bạn là “chiếc máy tốt nhất tôi sở hữu”, Flint là kiến trúc mới hơn và nhanh hơn ở ngữ cảnh ngắn.

Một trong số này có bảng điểm riêng

Đây là phần mà hầu hết các bài viết so sánh đều bỏ qua, và cũng chính là phần phải quyết định việc mua sắm.

North Mini Code đã được Artificial Analysis đo lường. Mô hình đạt 33,4 trên AA Coding Index và 27,6 trên AA Intelligence Index, với SWE-bench Verified đạt 67,6 pass@1 và 80,2 pass@10, cùng 61,0 trên mini-SWE-Agent. Đây là các phép đo của bên thứ ba được thực hiện trên một giao thức nhất quán, nghĩa là có thể so sánh chúng với các mô hình khác trên cùng chỉ số mà không cần chú thích về harness.

Flint không có mục trên Artificial Analysis. Các điểm số đã công bố của nó — 74,2 trên SWE-bench Verified, 89,7 trên SWE-bench Pro v2, 54,9 trên Terminal-Bench 2.1 — đến từ bộ khung đánh giá của chính Recursive, và chưa ai chạy lại chúng. Phương pháp luận được công bố, điều này là điểm đáng ghi nhận cho Recursive: mini-swe-agent không có internet cho các lần chạy SWE-bench, Terminus 2 có internet cho Terminal-Bench nhưng mọi giải pháp truy xuất từ web đều bị tính là thất bại, pass@1 lấy trung bình trên ít nhất năm lần thử. Phương pháp luận được công bố không phải là phương pháp luận đã được kiểm chứng.

Vậy bạn có thể so sánh 67,6 với 74,2 không? Không thể một cách có trách nhiệm. Chúng được tạo ra bởi các tổ chức khác nhau, trên các harness khác nhau với các quy tắc khác nhau, và khoảng cách — 6,6 điểm — nằm gọn trong phạm vi mà chỉ riêng việc chọn harness đã có thể làm dịch chuyển một điểm số. Điều bạn có thể nói thì hẹp hơn nhưng vẫn hữu ích: con số của North Mini Code đã được kiểm tra bởi một người không xây dựng mô hình, còn của Flint thì chưa. Nếu bạn đang lựa chọn dựa trên bằng chứng thay vì dựa trên thông số kỹ thuật, thì đó chính là sự bất đối xứng đáng quan tâm.

Có thêm một điểm dữ liệu nữa trong cột của North Mini Code, không mấy tốt đẹp nhưng đáng để biết: Artificial Analysis đã gắn cờ nó là đặc biệt dài dòng, tiêu tốn khoảng 75 triệu token đầu ra khi kiểm thử so với mức trung vị của nhóm gần 25 triệu. Sự dài dòng là một hệ số nhân chi phí trong vòng lặp agent. Một mô hình suy nghĩ thành tiếng nhiều gấp ba lần có thể rẻ hơn trên mỗi token và đắt hơn trên mỗi tác vụ.

Câu chuyện về tốc độ thay đổi hoàn toàn trong ngữ cảnh dài.

Cả hai mô hình đều nhanh với lời nhắc ngắn, và cả hai đều chậm lại khi ngữ cảnh đầy dần. Khác biệt nằm ở mức độ.

• Flint — tuyên bố đạt hơn 125 token mỗi giây trên một chiếc MacBook Pro M4 Pro và hơn 150 trên một chiếc RTX Spark 64 GB, được đo ở ngữ cảnh ngắn và không tính phần prefill. Các bài kiểm thử độc lập báo cáo khoảng 110 token mỗi giây với prompt ngắn, giảm xuống còn khoảng 9 token mỗi giây khi ngữ cảnh gần 115.000 token. Đó chính là con số bạn cần dựa vào để thiết kế agent của mình, bởi vì lập trình dạng agentic dành phần lớn thời gian hoạt động ở chế độ ngữ cảnh dài.

• North Mini Code — khoảng 199 đến 210 token đầu ra mỗi giây trên API của Cohere, với khoảng 0,25 giây để có token đầu tiên, và thông lượng gấp khoảng 2,8 lần so với các mô hình nhỏ tương đương trong cùng bài kiểm thử. Trên phần cứng cục bộ, các con số phụ thuộc hoàn toàn vào engine và lượng tử hóa của bạn, nhưng xu hướng vẫn như vậy: nhanh khi ngữ cảnh ngắn, chậm hơn khi cửa sổ đầy dần.

So sánh trung thực không phải là "cái nào nhanh hơn" mà là "cái nào nhanh hơn với cách một tác nhân thực sự vận hành." Một mô hình sinh ra một token trong 8 mili giây ở ngữ cảnh 4K và 110 mili giây ở 115K là một sản phẩm khác với một mô hình suy giảm êm hơn. Không nhà cung cấp nào công bố đường cong. Nếu trường hợp sử dụng của bạn là công việc mang tính tác nhân với ngữ cảnh dài, hãy đo nó trên kho lưu trữ của riêng bạn trước khi cam kết — đó là công việc của một buổi chiều và nó sẽ cho bạn biết nhiều hơn bất kỳ bài đăng ra mắt nào.

Đà phát triển so với sự tươi mới

North Mini Code đã vượt 150.000 lượt tải xuống vào giữa tháng 8 năm 2026, hai tháng sau khi phát hành. Đó là một tín hiệu thực sự: một mô hình có mức độ ứng dụng cao như vậy đã được chạy trên phần cứng mà chính những người tạo ra nó chưa từng kiểm thử, đã tích lũy các bản sửa lỗi từ cộng đồng, và đã được những người không có động cơ gì để nói tốt ghi lại những điểm chưa hoàn thiện. Cohere đã báo cáo con số này, nên hãy coi đó là số liệu do nhà cung cấp đưa ra, nhưng xu hướng này được củng cố bởi số lượng các bản lượng tử hóa dẫn xuất đang lưu hành.

Flint mới bốn ngày tuổi. Nó có thông số kỹ thuật nổi bật tốt hơn, giải mã ngữ cảnh ngắn nhanh hơn, cửa sổ ngữ cảnh được ghi nhận dài hơn và câu chuyện phát triển thú vị hơn. Nó cũng có một lỗi mẫu trò chuyện đã biết trong đường dẫn GGUF cho llama.cpp, một vực tụt thông lượng ở ngữ cảnh dài mà chưa ai giải thích, và gần như không có lịch sử cộng đồng. Việc sớm áp dụng một mô hình bốn ngày tuổi là đặt cược vào quỹ đạo phát triển hơn là đánh giá bản thân sản phẩm.

Tải xuống gì vào Thứ Hai

• Chọn North Mini Code nếu bạn muốn mô hình có điểm số độc lập được đính kèm, nếu phần cứng của bạn khiêm tốn, nếu tác vụ của bạn là kỹ thuật phần mềm thông thường trong một kho mã nằm gọn trong ngữ cảnh, và nếu bạn coi trọng hai tháng báo cáo lỗi từ cộng đồng hơn một kiến trúc mới hơn. Hãy tính đến độ dài dòng của nó.

• Chọn Flint nếu bạn có một chiếc laptop cao cấp hoặc card 24 GB, nếu bạn muốn cửa sổ ngữ cảnh dài hơn, nếu tốc độ trong ngữ cảnh ngắn chính là thứ quy trình làm việc của bạn thực sự dùng đến, và nếu bạn sẵn lòng trở thành người dùng tiên phong để đổi lấy một mô hình mà rất có thể sẽ là lựa chọn tốt hơn sau một tháng nữa.

• Đừng chọn một trong hai làm lựa chọn duy nhất của bạn. Cả hai đều là các mô hình có 2,5–3B tham số hoạt động. Chúng rất giỏi ở các tác vụ có phạm vi xác định và chúng không phải là trợ lý lập trình hàng đầu, và Recursive cũng nói đúng như vậy về mô hình của chính mình. Công việc mà cả hai sẽ không làm tốt là công việc cần một mô hình hàng đầu được lưu trữ — và kiến trúc hợp lý là một mặc định cục bộ với một đường leo thang, chứ không phải một mô hình bị yêu cầu làm mọi thứ.

Đường leo thang đó chính là nơi routing chứng minh được giá trị của mình. OrcaRouter không phục vụ cả hai mô hình này, nên không có gì ở đây là quảng cáo cho một route đến chúng. Điều mà một lớp routing làm cho thiết lập ưu tiên cục bộ lại là hướng ngược lại: nó cho phép bạn ghép các tác vụ cần một mô hình hosted lớn hơn vào cùng một đường gọi, với một chuỗi dự phòng cho những yêu cầu mà mô hình cục bộ bị kẹt hoặc ngữ cảnh bị tràn. Được cấu hình tốt, mô hình cục bộ đảm nhận công việc thường ngày và mô hình đắt tiền chỉ được dùng đến khi thực sự cần — đó là phiên bản duy nhất của kiến trúc này giúp tiết kiệm tiền.

Câu trả lời nhàm chán mới là câu trả lời đúng. Cả hai tệp đều miễn phí, cả hai đều chạy trên phần cứng mà bạn có lẽ đang có, và cách duy nhất để biết cái nào phù hợp với kho lưu trữ của bạn là thử cả hai trên đó. Khoảng cách điểm chuẩn giữa chúng nhỏ hơn khoảng cách giữa một trong hai với khối lượng công việc thực tế của bạn.