Cohere Launched an Agentic Coding Model (4 minute read)｜Cohere がエージェント型コーディングモデルを発表 | AIニュース最前線

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](https://huggingface.co/CohereLabs/North-Mini-Code-1.0) でダウンロードするか、[Model Vault](https://dashboard.cohere.com/welcome/login) 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](https://opencode.ai/) を利用して無料で試すか、[Cohere API キー](https://dashboard.cohere.com/) でお試しください。構築した成果物を共有する際は、[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](https://www.reddit.com/r/LocalLLaMA/comments/1tylzy2/coheres_unreleased_coding_model_early_access_for/) 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](https://cdn.sanity.io/images/rjtqmwfu/web3-prod/06e7b98d2b53bf7ca8b7dfa53d758991a031c2e5-3140x2400.png?auto=format&fit=max&q=90&w=1570)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](https://artificialanalysis.ai/models/north-mini-code)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](https://cdn.sanity.io/images/rjtqmwfu/web3-prod/fd68dfc478f63ca564dd882daadc4004d57d6732-3140x1792.png?auto=format&fit=max&q=90&w=1570)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](https://huggingface.co/CohereLabs/North-Mini-Code-1.0) および [Model Vault](https://dashboard.cohere.com/welcome/login?_gl=1*uxjn5q*_gcl_au*MjA0ODIxMjk3My4xNzgwOTUxMzc0*_ga*NzE2NDY3MTkyLjE3ODA5NTEzNzQ.*_ga_CRGS116RZS*czE3ODA5NTEzNzMkbzEkZzAkdDE3ODA5NTEzNzQkajU5JGwwJGgw)—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](https://opencode.ai/) 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](https://www.reddit.com/r/LocalLLaMA/comments/1tylzy2/coheres_unreleased_coding_model_early_access_for/) 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](https://docs.cohere.com/docs/north-mini-code-1.0)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](https://qwen.ai/blog?id=qwen3.6-35b-a3b) 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。

Cohere がエージェント型コーディングモデルを発表

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト