Cohere 在 2026 年推出的 North 系列加入了專注 Agentic Coding 的模型產品線。North Mini Code 是該系列的首款公開模型：30B 總參數、3B 活躍參數的 sparse MoE，專為程式碼生成、測試、自動化開發設計。它在 OpenRouter 以 cohere/north-mini-code:free 提供免費存取，讓開發者能直接體驗 Cohere 的編碼代理能力。
家族定位與版本矩陣
| 模型／產品線 | 定位 | 關鍵差異 | 存取方式 |
|---|---|---|---|
| North Mini Code | Agentic coding | 30B total／3B active；256,000 tokens | Apache 2.0 權重；Cohere API／OpenRouter |
| Command／Embed | 企業語言、RAG 與嵌入 | 與編碼模型分工不同 | Cohere 模型產品 |
| North 平台 | 企業代理 | 平台不是 North Mini Code 模型 | Cohere 企業代理平台 |
North Mini Code：核心規格
| 項目 | 規格 |
|---|---|
| 模型名稱 | North Mini Code |
| 訓練組織 | Cohere |
| 架構 | Sparse Mixture-of-Experts |
| 參數 | 30B total / 3B active |
| 上下文 | 256,000 tokens |
| 授權/存取 | OpenRouter :free（cohere/north-mini-code:free） |
| 輸入模態 | Text（程式碼、自然語言指令、文件） |
| 輸出模態 | Code、推理說明、工具調用 |
家族演化
背景：從 RAG 到 Agentic Coding
Command 與 Embed 提供企業語言與嵌入模型；North Mini Code 則專注 agentic coding。這是產品定位的差異，不能直接推論成 Cohere 放棄 RAG 或整個公司的策略轉向。Cohere 也有名為 North 的企業代理平台；平台與 North Mini Code 模型不能混為一談。
| Cohere 系列 | 主要定位 | 代表模型 |
|---|---|---|
| Command / Embed | RAG、嵌入、通用對話 | Command A、Embed |
| North（新） | Agentic Coding | North Mini Code（30B/3B sparse MoE） |
架構與訓練取捨
架構與代理迴圈
官方模型卡描述 North Mini Code 是 decoder-only 的 sparse MoE Transformer，混合 sliding-window 與 global attention。後訓練先做 supervised fine-tuning，再針對 agentic coding 使用可驗證獎勵的強化學習。3B 活躍參數描述的是每個 token 的運算規模；部署時仍需容納完整權重，不能把它當成只要載入 3B 模型。
模型接收文字，產生文字、推理內容與工具呼叫請求。工具說明以 JSON schema 提供；應用程式負責執行工具、回傳結果。光收到模型回覆，不會自動跑測試、修改 repo 或操作終端機。
模型卡建議代理步驟之間保留模型產生的 thinking 內容。本地部署也要搭配正確的推理與工具解析器。照官方目前的部署範例設定，比假設任何 OpenAI-compatible server 都能正確解析更可靠。
評測與競品比較
本篇沒有在同一評測條件下核對編碼代理的候選模型，不能據此排名。比較時需對齊模型版本、benchmark、harness、工具權限與推理預算，再用下列任務驗證方式評估自己的工作流。
延伸選型可參考 Cohere、Apodex，並依任務與部署條件比較。
授權、價格與部署
存取方式與第一個請求
OpenRouter 目前列出 cohere/north-mini-code:free。Cohere 自家文件使用的 API model ID 是 north-mini-code-1-0，說明 trial 與 production keys 在碰到限流前可免費使用，正式部署則指向 Model Vault。權重以 Apache 2.0 提供；API 的帳號限制與資料條款和權重授權是不同事情。
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["OPENROUTER_API_KEY"],
base_url="https://openrouter.ai/api/v1",
)
response = client.chat.completions.create(
model="cohere/north-mini-code:free",
messages=[{"role": "user", "content": "Write a Python palindrome checker and unit tests."}],
)
print(response.choices[0].message.content)這個文字生成範例不會執行它寫出的測試。要評估代理能力，提供 repo 與沙箱，記錄實際 diff、測試輸出、工具往返次數與耗時。比較模型時使用同一個任務與執行環境。
Agent 使用與選型
適用場景
| 場景 | 說明 |
|---|---|
| 互動式編碼助手 | 開發者在 IDE 中即時獲得編碼建議、重構、測試生成 |
| 批次自動化開發 | 自動化生成測試、重構舊程式碼、更新文件 |
| 程式碼審查與安全 | 產生待人工與工具核對的漏洞、相依與品質候選問題 |
| 教育與學習 | 學習編程語言、理解既有程式碼庫結構 |
限制與取捨
編碼專長是產品定位，不足以證明它在聊天或數學一定輸給每個通用模型。安全審查與重構是否成功，仍要靠實際測試與人工檢查。長上下文也不保證模型理解每個相依關係。
免費端點有帳號限制，可用性會變。傳送私有程式碼前先確認供應商的資料保留條款；「免費」或「官方平台」本身都不是隱私保證。本地開放權重部署可控制執行環境，但仍需足夠硬體與相容解析器。
更新紀錄
- 2026-10-11：依共同家族格式重排章節，使用既有資料補版本矩陣；事實核對日期沿用既有紀錄。
- 2026-10-11：核對官方模型卡與 API 文件，補上權重授權和存取方式，移除未證實的市佔、公司策略與比較效能宣稱。
最後更新：2026-10-11。Cohere North 為新系列，規格與免費政策會隨版本更新；請以官方文件為準。
參考資料
Loading...