MiniMax M3.1 Flash․ արագություն և ցածր գին

Հոկտեմբերի 19-ին MiniMax-ը պաշտոնապես ներկայացրեց M3.1 Flash-ը։ Մոդելը նախատեսված է ծրագրավորման, AI գործակալների, համակարգչի օգտագործման և կիբերանվտանգության առաջադրանքների համար։ Ընկերության պնդմամբ՝ ինֆերենցի արագությունը գրեթե եռապատկվել է, իսկ գործակալային առաջադրանքների արժեքը նվազել է 70%-ով։

Մոդելն անցել է նախնական հասանելիության փուլ։ Սեպտեմբերի 27-ին M3.1-Flash-Preview-ը հայտնվեց MiniMax Code-ում, որտեղ այն առաջարկվում էր ամենօրյա մշակման աշխատանքների համար՝ սխալների ուղղումից մինչև նոր գործառույթների ստեղծում։ Այժմ M3.1 Flash-ը հասանելի է API-ի, M Plan բաժանորդագրության և MiniMax Code-ի միջոցով։ Կարող եք նաև փորձել այն vega.chat-ի մոդելների ցանկում կամ օգտագործել api.vega.chat-ի միջոցով։

Որտեղից հայտնվեց Space Bunny-ն

Պաշտոնական հայտարարությունից առաջ մշակողները փորձարկում էին Space Bunny կոչվող անանուն մոդելը։ MiniMax-ը հաստատեց, որ դա M3.1 Flash-ի վաղ տարբերակն էր։ Ընկերության տվյալներով՝ անանուն փորձարկման ընթացքում մոդելը մշակել է ավելի քան 200 տրիլիոն տոկեն։

Իրական օգտագործման այդ ծավալը MiniMax-ին հնարավորություն տվեց ամբողջական գործարկումից առաջ մոդելը ստուգել հարցումների լայն շրջանակով։ Սակայն ընկերությունը չի հրապարակում Space Bunny-ի փորձարկման մանրամասները և չի հստակեցնում, թե որ արդյունքներն են անմիջականորեն ազդել M3.1 Flash-ի վերջնական տարբերակի վրա։

Համատեքստի պատուհան և դատողության ռեժիմներ

M3.1 Flash-ն աջակցում է մինչև 1 միլիոն տոկենանոց համատեքստի պատուհան։ Դա նշանակում է, որ մեկ հարցման մեջ կարող եք փոխանցել մեծ փաստաթղթեր, կոդային բազայի ծավալուն հատվածներ և գործակալի աշխատանքի երկար պատմություն։

Տեխնիկական նյութերում նշվում է նաև տեքստային, պատկերային և վիդեո մուտքերի աջակցությունը։ Ելքը միայն տեքստային է։

Դատողությունը միշտ միացված է, բայց դրա խորությունը կարգավորվում է։ Հասանելի է հինգ մակարդակ՝ low, medium, high, xhigh և max։ Ցածր մակարդակները հարմար են արագ խմբագրումների և պարզ առաջադրանքների համար, իսկ բարձրերը նախատեսված են բարդ վերլուծության, բազմաքայլ փոփոխությունների և մի քանի ֆայլ ընդգրկող աշխատանքի համար։

Այս կարգավորումը թույլ է տալիս վերահսկել արագության, տոկենների ծախսի և վերլուծության խորության միջև փոխզիջումը։ Իրական ազդեցությունը կախված է առաջադրանքից․ ցածր մակարդակի դեպքում պատասխանը կարող է ավելի արագ ստանալ, բայց այդ մակարդակով տրված բարդ հարցումը ձեր կողմից լրացուցիչ ստուգում կպահանջի։

Ինչ են ցույց տալիս բենչմարքները

MiniMax-ը հրապարակել է M3.1 Flash-ի արդյունքները մի քանի թեստերում։ Ստորև բերված բոլոր գնահատականներն ընկերության ինքնուրույն ներկայացրած տվյալներն են, ուստի դրանք դիտարկեք որպես մատակարարի պնդումներ, մինչև հրապարակվեն ավելի լայն անկախ համեմատություններ։

Թեստ	Գնահատական	Ինչ է չափում
DeepSWE v1.1	73.7%	Բարդ ինժեներական առաջադրանքների լուծում և կոդի վերանայում
BankerToolBench	76.2	Բազմաքայլ գործընթացներ՝ փաստաթղթերով և ֆինանսական սահմանափակումներով
OSWorld V2	61.7	Համակարգչի օգտագործում և հավելվածներում առաջադրանքների կատարում
Agents' Last Exam	29.6	Բարդ մասնագիտական առաջադրանքներ
CyberGym	82%	Խոցելիությունների հայտնաբերում և ստուգում

AutomationBench-AA-ում MiniMax-ը մոդելին դասում է ամենաուժեղ մասնակիցների շարքում։ Այդ բենչմարքն ընդգրկում է ձեռնարկությունների ծառայությունների ամբողջական գործընթացներ՝ վաճառք, մարքեթինգ, ֆինանսներ և HR առաջադրանքներ։

Արդյունքները միմյանց հետ ուղղակիորեն համեմատելի չեն․ թեստերը տարբեր հմտություններ են չափում տարբեր սանդղակներով։ Իրենց արտադրանքի համար մոդել ընտրող թիմերի համար ավելի կարևոր է այն փորձարկել սեփական սցենարներով՝ որքան ճշգրիտ է այն կանչում գործիքները, ինչպես է աշխատում կոդային բազայի հետ և արդյոք առաջադրանքը հասցնում է մինչև աշխատող արդյունք։

Արագություն և գներ

MiniMax-ը հայտնում է, որ գեներացման արագությունը գերազանցում է վայրկյանում 200 տոկենը, իսկ միջին արժեքը գերազանցում է վայրկյանում 170 տոկենը։ Սա տեքստի գեներացման արագությունն է, ոչ թե առաջադրանքի կատարման սկզբից մինչև վերջ երաշխավորված ժամանակը․ գործակալը կարող է դեռևս ստիպված լինել կարդալ ֆայլեր, կանչել գործիքներ, գործարկել թեստեր և կատարել արդյունքի կրկնակի մշակում։

API-ի գները՝ մեկ միլիոն տոկենի համար․

Տոկենի տեսակ	Գին
Մուտքային	$0.15
Ելքային	$0.60
Քեշավորված մուտքային	$0.015

MiniMax-ի պնդմամբ՝ գործակալային առաջադրանքների ընդհանուր արժեքը նախորդ մոդելի համեմատ նվազել է 70%-ով։ Այդ գնահատականը վերաբերում է իրական օգտագործման ձևերին և չի նշանակում, որ յուրաքանչյուր հարցման արժեքն ինքնաբերաբար 70%-ով էժանանում է։ Իրական ծախսը կախված է համատեքստի չափից, պատասխանի երկարությունից, գործիքների կանչերի քանակից և կրկնակի փորձերից։

M3-ն ընդդեմ M3.1 Flash-ի

Ավելի վաղ թողարկված MiniMax M3-ը ներկայացվում էր որպես կոդավորման, գործակալային առաջադրանքների և մուլտիմոդալ աշխատանքի համար նախատեսված համընդհանուր մոդել։ M3.1 Flash-ը կենտրոնանում է հաճախակի, ամենօրյա հարցումների արագ կատարման վրա, հատկապես՝ ծրագրային գործակալների շրջանակում։

Օգտատերերի համար նկատելի են երեք տարբերություն․

• M3.1 Flash-ը թույլ է տալիս ընտրել դատողության մակարդակը,


• ընկերությունը հատկապես ընդգծում է արագությունն ու արժեքը գործակալային սցենարներում,


• մոդելը հասանելի է API-ի, M Plan-ի և MiniMax Code-ի միջոցով։

MiniMax-ը խոստացել է ավելի ուշ հրապարակել M3.1 Flash-ի կշիռները։ Քանի դեռ դրանք չեն հրապարակվել, չեք կարող ինքնուրույն հոսթել մոդելը կամ փորձարկել այն ընկերության ծառայություններից դուրս։

Ովքեր պետք է ուշադրություն դարձնեն

M3.1 Flash-ը կարող է հարմար լինել այն մշակողների համար, որոնց պետք է օգնական՝ պահոցների վերլուծության, սխալների ուղղման, թեստերի գրման և բազմաքայլ փոփոխությունների համար։ Այն կարող է օգտակար լինել նաև տարբեր հավելվածներում աշխատանքն ավտոմատացնող թիմերին, որոնք ցանկանում են վերահսկել գործակալների հաճախակի կանչերի արժեքը։

Նախքան այն կիրառելը, համեմատեք մոդելը այլընտրանքների հետ՝ ձեր սեփական առաջադրանքների վրա։ Ստուգեք ոչ միայն պատասխանների որակը, այլև գործիքների կանչերի քանակը, տոկենների օգտագործումը, վերջնական արդյունքին հասնելու ժամանակը և մոդելի վարքագիծը, երբ ինչ-որ բան այնպես չի ընթանում։

Ընտրեք ձեր աշխատանքային ընթացքից մի քանի բնորոշ առաջադրանք և գործարկեք դրանք M3.1 Flash-ով՝ դատողության տարբեր մակարդակներով․ դա կարող եք անել հենց vega.chat-ի մոդելների ընտրացանկում։