Cohere がエージェント型コーディングモデルを発表
AI 企業 Cohere が、コード生成やデバッグを自律的に実行可能なエージェント型コーディングモデルの公開を開始した。
キーポイント
エージェント型コーディングモデルの発表
Cohere が従来の生成 AI を超え、タスクを自律的に計画・実行・デバッグできる新しいモデルを発表した。
自律的な開発ワークフローの実現
単なるコードの提示ではなく、エラー発生時の自己修正や複数ステップにわたる開発プロセスを完結させる能力を持つ。
開発者の生産性向上への期待
反復的なデバッグ作業や環境構築の手間を減らし、ソフトウェア開発のスピードと品質を劇的に向上させることを目指している。
影響分析・編集コメントを表示
影響分析
今回の発表は、AI がコード生成から自律的な開発支援へと役割を拡大した重要な転換点を示しています。特にデバッグや自己修正機能の強化は、実務現場での信頼性を高め、開発者のワークフローに直接的なインパクトを与える可能性があります。
編集コメント
コード生成の領域において、単なる「提案」から「実行・修正」までを担う自律型エージェントへの進化が加速しています。開発現場での実用化に向けた重要な一歩と言えます。
本日、オープンソースの「North Mini Code」を発表します。Experts の混合（MoE）モデルである North Mini Code は、Cohere 初のエージェント型コーディングモデルであり、次世代のパワフルなモデル群の先駆けとなるメンバーです。
総パラメータ数は 30B でアクティブに使用されるのはわずか 3B ですが、North Mini Code は広範なハードウェアを必要とせずとも、強力なソフトウェア開発パフォーマンスを実現します。設計上も効率的であり、必要な場所で実行できるように構築されています。
Apache 2.0 ライセンスの下で自由に利用可能となる North Mini Code は、主権型 AI を実用的な現実とするという Cohere の使命を推進し、開発者にエージェント型コーディング機能への直接アクセスを提供します。私たちはオープンな姿勢で開発を進めています。なぜなら、AI の未来は、それを実行・テスト・改善する人々によって形作られるべきだからです。
重み（weights）は Hugging Face でダウンロードするか、Model Vault の専用管理推論環境でデプロイできます。あるいは、お好みのハーンチ（harness）上で OpenCode を利用して無料で試すか、Cohere API キー でお試しください。構築した成果物を共有する際は、X または Discord で @Cohere をタグ付けするか、Reddit で私たちと議論してください。
モデル
North-Mini-Code-1.0
ライセンス
Apache 2.0
モデルサイズ
合計 30B; アクティブ 3B
コンテキスト長
合計コンテキスト 256K; 最大生成 64K
最適化対象
コード生成、エージェント型ソフトウェアエンジニアリング、ターミナルタスク
利用可能先
Hugging Face (重み)、Cohere API、Cohere Model Vault、OpenRouter
ハードウェア（最小要件）
1× H100 @ FP8
エージェント型コーディング機能
North Mini Code は、同サイズのモデル群に対するベンチマークで競争力のあるスコアを達成し、実世界のソフトウェアエンジニアリングタスクにおいて強力なパフォーマンスを示しています。
image画像 1: North Mini Code のエージェント型ソフトウェアエンジニアリングおよびターミナルタスクにおけるパフォーマンス、および複雑なコード生成ベンチマークの結果を、同サイズの主要オープンソースモデルと比較したものです。¹²North Mini Code のベンチスコアは Artificial Analysis Coding Index で 33.4 に換算され、同規模のモデル群の中で競争力のある位置を占めています。
The speed advantage for developer tasks
開発者タスクにおける速度の優位性
North Mini Code は、スピードと効率性を重視して設計されており、モデルの継続的な改良とスケーリングに伴い、総所有コスト（TCO: Total Cost of Ownership）の最小化に強い焦点を当てています。
当社のテストでは、同一の並行処理レベルおよびハードウェア構成において、North Mini Code は Devstral Small 2 よりも最大で 2.8 倍高い出力スループットを達成しました。実務的な観点からは、これはほぼ 3 倍の作業速度を意味し、より迅速な反復開発を可能にすると同時に、計算オーバーヘッドを削減します。
また、North Mini Code はトークン生成の一貫性とペースを示す指標であるトークン間レイテンシ（inter-token latency）において 30% の優位性を示しました。最初のトークンまでの時間（TTFT: Time-to-first-token）のパフォーマンスは両モデル間でより緊密に一致しており、テストされた条件全体を通じて Devstral Small 2 がわずかに上回っていました。
image画像 2: コーディングプロンプトを使用した内部テストにおける、高・低並行処理時の North Mini Code と Devstral Small 2 の出力速度およびレイテンシの比較。
Sovereign open models for developers
開発者向けの主権あるオープンモデル
North Mini Code は、開発者向けに公開された最初のオープンソースモデルです。コーディングエージェントがソフトウェアエンジニアリングを変革する中で、開発者は自らのアジェンティック・コーディング基盤に対する制御と柔軟性を必要としています。
North Mini Code は、開発者にとって重要なタスクを達成できる小型のエージェント型コーディングモデルにおける一歩前進を表しています。具体的には、サブエージェントの理解と調整、システムアーキテクチャのマッピング、コードレビューの実行など、エージェントワークフローのために構築されています。オンプレミスまたはローカル環境で、ご自身の条件に合わせてデプロイ可能です。
コミュニティからのフィードバックは、よりオープンで主権を持つ開発者モデルへとエコシステムを拡大する中で、当社のロードマップに直接反映されます。ベンダーの制約から解放される必要がある際に North Mini Code をお試しください。そして、次なるステップを共に築くためにご協力ください。
今後の展望
North Mini Code は、より主権を持つオープンソースエコシステムのために設計された Cohere の新世代のパワフルなモデル群の第一弾として登場しました。もちろん、これが最後ではありません。
我々は機能強化にコミットしており、次なるステップはコミュニティからの入力によって決定されます。
始め方
North Mini Code を試すことで、ソフトウェア開発のための完全な主権型 AI エコシステムの構築にご協力ください。North Mini Code は Hugging Face および Model Vault—我々の完全管理型推論プラットフォーム—で無料で利用可能です。特に OpenCode との互換性を目的にトレーニングを行いましたが、ほとんどのコーディングエージェントと併用可能です。
構築したものを共有し、X（https://x.com/cohere）または Discord（https://discord.com/invite/co-mmunity）で @Cohere をタグ付けするか、Reddit で私たちと議論することで、主権型モデルの未来を形作るお手伝いをしてください。
詳細なモデル仕様、デプロイガイド、およびスタートアップのためのクックブックについては、ドキュメントをご覧ください。
脚注
1 競合モデルのスコアは、利用可能な場合は元のレポートまたは Artificial Analysis Intelligence Index から報告された公開データを引用しました。また、Gemma 4 のエージェント型コーディングタスクにおけるスコアは Qwen チーム が報告したものです。画像 1 に (*) で示されているように、どの公的レポートにも記載されていないベンチマーク結果については、推奨モデル構成を用いて内部で実行しました。
2 SWE-Bench Verified および SWE-Bench Pro には「SWE-agent」ハネスを使用し、Terminal Bench v2 には単一のターミナル使用ツールを採用したシンプルな ReAct ハネスを使用して North Mini Code を評価しました。Terminal Bench Hard については、North Mini Code と内部で評価された他のモデルの両方に Terminus-2 ハネスを使用しました。
原文を表示
Today we're launching North Mini Code open-source. A mixture-of-experts (MoE) model, North Mini Code is Cohere's first agentic coding model, and the inaugural member of our next generation of powerful models.
At 30B total parameters with just 3B active, North Mini Code delivers strong software development performance without demanding extensive hardware to match. Efficient by design, it's built to run where you need it.
Freely available under an Apache 2.0 license, North Mini Code advances Cohere’s mission to make sovereign AI a practical reality, giving developers direct access to agentic coding capabilities. We're building in the open, because the future of AI should be shaped by the people running, testing, and improving it.
Download the weights on Hugging Face, or deploy in a dedicated, managed inference environment on Model Vault. Alternatively, try it for free in your harness of choice on OpenCode or with a Cohere API key. Share what you build and tag @ Cohere on X or Discord, or engage with us on Reddit.
Snapshot
Model
North-Mini-Code-1.0
License
Apache 2.0
Model size
30B total; 3B active
Context length
256K total context; 64K max generation
Optimized for
Code generation, agentic software engineering, and terminal tasks
Availability
Hugging Face (Weights), Cohere API, Cohere Model Vault, OpenRouter
Hardware (minimum)
1× H100 @ FP8
Agentic coding capabilities
North Mini Code achieves competitive scores across benchmarks against models of this size class, demonstrating strong performance in real-world software engineering tasks.
North Mini Code’s benchmark scores translate to a 33.4 on the Artificial Analysis Coding Index, a competitive position among similarly sized models.
The speed advantage for developer tasks
North Mini Code is designed for speed and efficiency, with a strong focus on minimizing total cost of ownership as we continue to refine and scale the model.
In our testing, North Mini Code achieved up to 2.8x higher output throughput than Devstral Small 2 under identical concurrency levels and hardware configurations. In practical terms, that translates to nearly three times the work rate, enabling faster iteration while reducing computational overhead.
North Mini Code also demonstrated a 30% advantage in inter-token latency, a metric that reflects the consistency and pacing of token generation. Time-to-first-token (TTFT) performance was more closely matched between the two models, with Devstral Small 2 maintaining a slight edge across the tested conditions.
Sovereign open models for developers
North Mini Code is our first open-source model for developers. As coding agents transform software engineering, developers need control and flexibility over their agentic coding infrastructure.
North Mini Code represents a step forward in small agentic coding models that can accomplish tasks that matter to developers. Specifically, it is built for agentic workflows, including understanding and orchestrating sub-agents, mapping systems architecture, and running code reviews. Deploy on-prem or locally, on your own terms.
Community feedback will directly shape our roadmap as we expand the ecosystem toward more open and sovereign developer models. Try North Mini Code when you need freedom from vendor constraints, and help us build what's next.
What’s next?
North Mini Code launches as the first—but certainly not the last—of Cohere's new generation of powerful models, designed for a more sovereign open-source ecosystem.
We're committed to increasing our capabilities, with community input informing what comes next.
Getting started
Help us build a complete sovereign AI ecosystem for software development by trying North Mini Code. North Mini Code is available for free on Hugging Face and Model Vault—our fully managed inference platform. We've specifically trained it for compatibility with OpenCode, but it works with most coding agents.
Share what you build and tag @ Cohere on X or Discord, or engage with us on Reddit to help shape the future of sovereign models.
Visit our documentation for detailed model specs, deployment guides, and cookbooks to get started.
Footnotes
1 We used publicly reported scores for competitor models either from original reports or Artificial Analysis Intelligence Index where available. Additionally, Gemma 4’s scores for agentic coding tasks were reported by Qwen team. For the benchmark results that any public report is missing denoted by (*) in Image 1, we run internally with recommended model configuration.
2 We evaluated North Mini Code using “SWE-agent” harness for SWE-Bench Verified and SWE-Bench Pro, and a simple ReAct harness employing a single terminal-use tool for Terminal Bench v2. For Terminal Bench Hard, we used Terminus-2 harness for both North Mini Code and the other models that are evaluated internally.
関連記事
LangChain がコーディングエージェントの予測可能性を高める方法
LangChain は、コーディングエージェントがより予測可能な動作を行うための手法を開発・実装した。これにより、開発プロセスにおけるエージェントの挙動制御が可能となった。
非同期コーディングエージェント「Open SWE」の公開を発表
LangChain が、開発者がコードを生成・修正できる非同期型のオープンソースコーディングエージェント「Open SWE」を公開した。
ゲオルギ・ジェルガノフ氏への言及：Qwen3.6-27B のコーディング能力について
Simon Willison は、Georgi Gerganov 氏が Qwen3.6-27B モデルをローカル環境でコーディングタスクにほぼ毎日使用しており、実用的なツールとして非常に有能力であると証言していることを紹介した。
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み