North Mini Code 1.0

Fiche modèle · Cohere · north-mini-code-1.0

North Mini Code 1.0 is Cohere's open-weights sparse Mixture-of-Experts coding model optimized for code generation, agentic software engineering, terminal tasks, and local deployment. It has 30B total parameters with 3B active parameters, 128 experts with 8 active per token, native tool-use support, interleaved thinking, a 256K context length, and up to 64K output tokens.

Fiches modèles

Identité

Organisation	Cohere
Pays	—
Famille	—
Type	llm
Date de sortie	2026-06-09
Licence	apache 2.0
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	oui — ≤ 107 Md (Q8/FP8)
Modalités	—
Fenêtre de contexte	500 000
KV cache / token (Q8)	50.2 ko/token
Paramètres totaux	30 B
Paramètres actifs (session)	3 B
Source des paramètres actifs	web : https://huggingface.co/CohereLabs/North-Mini-Code-1.0
Curation des paramètres actifs	2026-11-04
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-06-20T15:53:02.117069Z
Mis à jour le	2026-11-04T06:04:39.078514Z
Source	LLM Stats
URL	https://llm-stats.com/models/north-mini-code-1.0

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : partiel — auto-hébergement DGX Spark (≤ 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
math	0.40
physics	0.40
reasoning	0.50
frontend_development	0.70
general	0.50
agents	0.40
biology	0.40
chemistry	0.40
code	0.50
tool_calling	0.40

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
livecodebench-v6	reasoning	0.70	1.00	0.70	non	oui	2026-11-04T06:04:39.123009Z
scicode	reasoning	0.38	1.00	0.38	non	oui	2026-11-04T06:04:39.117446Z
swe-bench-pro	reasoning	0.40	1.00	0.40	non	oui	2026-11-04T06:04:39.113104Z
swe-bench-verified	reasoning	0.68	1.00	0.68	non	oui	2026-11-04T06:04:39.103185Z
terminal-bench-2	reasoning	0.36	1.00	0.36	non	oui	2026-11-04T06:04:39.083385Z
terminal-bench-hard	reasoning	0.31	1.00	0.31	non	oui	2026-11-04T06:04:39.093095Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	187	—	0.89	2	trueskill	2026-10-19	model_history
code	175	—	10.92	4	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04