Cohere: North Mini Code (free)

North Mini Code 1.0 — модель Cohere для агентской разработки ПО, терминальных задач и генерации кода. Она принимает и выдаёт текст, включая код, объяснения и запросы инструментов. Производитель выпустил веса под Apache 2.0 и называет её первой моделью семейства кодовых агентов North. Это специализированный профиль программирования, а не модель понимания изображений или универсальная модель оценки решений.

Разреженная архитектура и подготовка к программированию

Модель имеет 30 миллиардов параметров всего и около 3 миллиардов активных. Её трансформер только с декодером использует разреженную смесь экспертов со 128 экспертами, восемью активируемыми на токен и плотным слоем перед разреженными. Внимание в скользящем окне с вращательными позициями чередуется с глобальным вниманием без позиционных эмбеддингов в отношении 3:1. Число активных параметров описывает вычисления для токена, а не весь набор весов для хранения.

Постобучение Cohere включает два этапа дообучения с учителем, затем обучение с подкреплением с проверяемыми вознаграждениями, ориентированное на разработку ПО и терминал. Производитель описывает обучение в нескольких агентских оболочках вместо одной фиксированной. Это позволяет готовить задачу вокруг нужного поведения и доступных инструментов, при этом оболочка отвечает за получение файлов, исполнение команд и возвращение наблюдений.

Подготовьте изменение на уровне репозитория

Предоставьте текущий код и поведение, запрошенное изменение, границы нужных файлов или интерфейсов и доказательства завершения. Для бага включите наблюдаемую ошибку или проблемный ввод и ожидаемый результат. Для функции задайте требуемое поведение и ограничения совместимости. Полезный итоговый артефакт — предлагаемое изменение кода с объяснением и результатами действительно выполненных проверок.

Пример запроса — обновить парсер для дополнительного поддерживаемого ввода с сохранением существующих форматов. Укажите репрезентативные входные данные и часть репозитория, определяющую поведение парсера. Модель может использовать код и наблюдения инструментов для разработки изменения; сгенерированный патч или утверждение, что команда должна выполняться, не доказывают успешное исполнение команды.

Терминальные инструменты и структурированные наблюдения

Собственная карточка модели документирует обучение использованию инструментов и рекомендует описания по JSON Schema через чат-шаблон модели. Чётко описывайте назначение и аргументы инструмента. Инструмент исполнения команд может возвращать реальный вывод и статус, а инструмент просмотра файлов — материалы для следующего шага. Связывайте каждый результат с идентификатором вызова, чтобы последующий анализ использовал нужное наблюдение.

Пример производителя сохраняет вызов инструмента и рассуждение помощника в истории, выполняет инструмент и добавляет результат перед новой генерацией. Пример собственного шаблона использует структурированный словарь для результата инструмента. Сохраняйте это представление по документированной интеграции, не предполагая, что любые другие API сериализуют результаты инструментов одинаково. JSON Schema для аргументов инструмента отличается от заявления о поддержке произвольного итогового вывода, ограниченного схемой.

Чередование рассуждений и история нескольких сообщений

North Mini Code поддерживает чередование рассуждений, которое производитель рекомендует включать для агентской работы. Переносите сгенерированное моделью содержимое рассуждений и вызовы инструментов на последующие агентские шаги и сообщения. Собственный пример сохраняет поле reasoning в сообщении помощника и затем возвращает соответствующее наблюдение инструмента. Так сохраняется информация, использованная моделью при решении, что смотреть или менять дальше.

Держите текущую цель, исходные материалы и реальные наблюдения в истории задачи. Для длительной работы с репозиторием излагайте итог через изменённое поведение и полезный артефакт, сохраняя необходимые для проверки доказательства. Чередование рассуждений не означает, что короткий видимый ответ не требовал анализа, и не устанавливает, что описанное моделью действие уже произошло.

Самостоятельные задачи по коду и объяснению

Разработчик также выделяет научное программирование и алгоритмические рассуждения вне агентского цикла. Предоставьте определение задачи, формат ввода и вывода, ограничения, существенные числовые предположения и ожидаемое поведение на границах. Запросите полную функцию или программу, если именно такой артефакт нужен, с объяснением на подходящем читателю уровне.

Для объяснения кода предоставьте реализацию и конкретное поведение или зависимость для прояснения. Для кода визуализации данных укажите переданные поля и нужное сравнение, не оставляя назначение графика подразумеваемым. Примеры разработки производителя включают объяснение кода, редактирование, визуализацию и реализацию по спецификации. Это шаблоны задач генерации или изменения кода, а не обещание правильных результатов для любого репозитория или фреймворка.

Контекст, вывод и настройки генерации

Карточка модели и страница API производителя указывают контекстное окно 256K токенов и максимальный вывод 64K токенов. Подготавливайте объёмные материалы репозитория с учётом этих отдельных лимитов и размера итогового артефакта. Сохраняйте границы исходников и идентификаторы, удаляя нерелевантное вместо предположения, что большое окно отменяет целевое задание.

Собственная карточка рекомендует temperature 1.0 и top_p 0.95 для генерации и использует чат-шаблон модели, включая промпт генерации, для текстовых процессов и инструментов. Лимиты вывода в примерах — настройки этих примеров, не замена опубликованному максимуму модели. Cohere публикует веса BF16 и отдельно названный артефакт FP8. Выбирайте подходящий артефакт при подготовке развёртывания.

Полезный результат North Mini Code — проверяемый программный артефакт или техническое объяснение, связанное с требованиями. Сравнивайте результат с исходным поведением и фактическим выводом инструментов, проверяйте допущения, влияющие на код, и сохраняйте исходники и наблюдения для проверки. Текстовая модель программирования предоставляет рассуждение и сгенерированное содержимое; приложение выполняет операции, превращающие предложения в завершённую программную задачу.