MiniMax M3.1 Flash: სიჩქარე და ფასი

19 ოქტომბერს MiniMax-მა ოფიციალურად წარადგინა M3.1 Flash. მოდელი შექმნილია პროგრამირებისთვის, AI აგენტებისთვის, კომპიუტერთან მუშაობისა და კიბერუსაფრთხოების ამოცანებისთვის. კომპანიის მტკიცებით, ინფერენციის სიჩქარე თითქმის გასამმაგდა, ხოლო აგენტური სამუშაო დატვირთვის ღირებულება 70%-ით შემცირდა.

მოდელს წინასწარი ვერსიის ეტაპი ჰქონდა. 27 სექტემბერს M3.1-Flash-Preview MiniMax Code-ში გამოჩნდა, სადაც მას ყოველდღიური პროგრამული უზრუნველყოფის შემუშავებისთვის სთავაზობდნენ — შეცდომების გამოსწორებიდან ახალი ფუნქციების შექმნამდე. M3.1 Flash ახლა ხელმისაწვდომია API-ის, M Plan-ის გამოწერისა და MiniMax Code-ის მეშვეობით. მისი გამოცდა ასევე შეგიძლიათ vega.chat-ის მოდელების სიაში ან გამოძახება api.vega.chat-ის მეშვეობით.

საიდან გაჩნდა Space Bunny

ოფიციალურ განცხადებამდე დეველოპერები ანონიმურ მოდელს, სახელად Space Bunny-ს, ტესტავდნენ. MiniMax-მა დაადასტურა, რომ ის M3.1 Flash-ის ადრეული ვერსია იყო. კომპანიის ინფორმაციით, ანონიმური მუშაობის პერიოდში მოდელმა 200 ტრილიონზე მეტი ტოკენი დაამუშავა.

რეალურ პირობებში გამოყენების ამ მოცულობამ MiniMax-ს საშუალება მისცა, მოდელი სრულ გაშვებამდე სხვადასხვა მოთხოვნაზე შეემოწმებინა. თუმცა კომპანია Space Bunny-ს ტესტირების დეტალებს არ ასაჯაროებს და არც განმარტავს, რომელი შედეგები აისახა უშუალოდ M3.1 Flash-ის საბოლოო ვერსიაზე.

კონტექსტის ფანჯარა და მსჯელობის რეჟიმები

M3.1 Flash მხარს უჭერს 1 მილიონამდე ტოკენის კონტექსტის ფანჯარას. ეს ნიშნავს, რომ ერთ მოთხოვნაში შეგიძლიათ გადასცეთ დიდი დოკუმენტები, კოდის ბაზის ვრცელი მონაკვეთები და აგენტის მუშაობის ხანგრძლივი ისტორია.

ტექნიკურ მასალებში ასევე მითითებულია ტექსტური, გამოსახულებისა და ვიდეოს შეყვანის მხარდაჭერა. გამოსავალი მხოლოდ ტექსტურია.

მსჯელობა ყოველთვის ჩართულია, თუმცა მისი სიღრმის კონფიგურაცია შესაძლებელია. ხელმისაწვდომია ხუთი დონე: low, medium, high, xhigh და max. დაბალი დონეები გამოდგება სწრაფი შესწორებებისა და მარტივი ამოცანებისთვის; მაღალი დონეები კი რთული ანალიზისთვის, მრავალეტაპიანი ცვლილებებისა და რამდენიმე ფაილზე მუშაობისთვისაა განკუთვნილი.

ეს პარამეტრი საშუალებას გაძლევთ, მართოთ ბალანსი სიჩქარეს, ტოკენების ხარჯსა და ანალიზის სიღრმეს შორის. რეალური ეფექტი ამოცანაზეა დამოკიდებული: დაბალმა დონემ შესაძლოა პასუხი დააჩქაროს, თუმცა ამ დონეზე შესრულებული რთული მოთხოვნის შედეგის უფრო საფუძვლიანად გადამოწმება თავად მოგიწევთ.

რას აჩვენებს ბენჩმარკები

MiniMax-მა M3.1 Flash-ის შედეგები რამდენიმე ტესტში გამოაქვეყნა. ქვემოთ მოცემული ყველა ქულა კომპანიის მიერაა წარმოდგენილი, ამიტომ ისინი მომწოდებლის მტკიცებებად მიიჩნიეთ, ვიდრე უფრო ფართო, დამოუკიდებელი შედარებები გამოჩნდებოდეს.

ტესტი	ქულა	რას ზომავს
DeepSWE v1.1	73.7%	რთული საინჟინრო ამოცანების ამოხსნასა და კოდის გადახედვას
BankerToolBench	76.2	მრავალეტაპიან სამუშაო პროცესებს დოკუმენტებითა და ფინანსური შეზღუდვებით
OSWorld V2	61.7	კომპიუტერთან მუშაობასა და სხვადასხვა აპლიკაციაში ამოცანების შესრულებას
Agents' Last Exam	29.6	რთულ პროფესიულ ამოცანებს
CyberGym	82%	მოწყვლადობების აღმოჩენასა და გადამოწმებას

AutomationBench-AA-ზე MiniMax-ი მოდელს უძლიერეს მონაწილეებს შორის ათავსებს. ეს ბენჩმარკი საწარმოს სერვისებში ბოლომდე შესრულებულ პროცესებს მოიცავს — გაყიდვებს, მარკეტინგს, ფინანსებსა და HR ამოცანებს.

შედეგები ერთმანეთთან პირდაპირ შედარებადი არ არის: ტესტები სხვადასხვა უნარს სხვადასხვა სკალით ზომავს. პროდუქტის მოდელის შერჩევისას გუნდებისთვის უფრო მნიშვნელოვანია მისი საკუთარ სცენარებზე გამოცდა — რამდენად ზუსტად იძახებს ხელსაწყოებს, როგორ უმკლავდება კოდის ბაზას და ახერხებს თუ არა ამოცანის დასრულებას სამუშაო შედეგამდე.

სიჩქარე და ფასი

MiniMax-ის ინფორმაციით, გენერაციის სიჩქარე წამში 200 ტოკენზე მეტია, მედიანური მაჩვენებელი კი 170 ტოკენზე მეტი. ეს ტექსტის გენერაციის სიჩქარეა და არა ამოცანის შესრულების გარანტირებული, მთლიანი დრო: აგენტს შესაძლოა კვლავ დასჭირდეს ფაილების წაკითხვა, ხელსაწყოების გამოძახება, ტესტების გაშვება და შედეგის დახვეწა.

API-ის ფასი 1 მილიონ ტოკენზე:

ტოკენის ტიპი	ფასი
შეყვანა	$0.15
გამოტანა	$0.60
ქეშირებული შეყვანა	$0.015

MiniMax-ის მტკიცებით, აგენტური სამუშაო დატვირთვის ჯამური ღირებულება წინა მოდელთან შედარებით 70%-ით შემცირდა. ეს შეფასება რეალურ პირობებში გამოყენების ტიპურ ნიმუშებს ეხება და არ ნიშნავს, რომ ყველა მოთხოვნა ავტომატურად 70%-ით იაფდება. რეალური ხარჯი დამოკიდებულია კონტექსტის ზომაზე, პასუხის სიგრძეზე, ხელსაწყოების გამოძახებების რაოდენობასა და ხელახალ ცდებზე.

M3 vs M3.1 Flash

მანამდე გამოშვებული MiniMax M3 წარმოდგენილი იყო, როგორც კოდირებისთვის, აგენტური ამოცანებისა და მულტიმოდალური სამუშაოსთვის განკუთვნილი უნივერსალური მოდელი. M3.1 Flash კი ხშირი, ყოველდღიური მოთხოვნების სწრაფ შესრულებაზეა ორიენტირებული, განსაკუთრებით პროგრამული აგენტების ფარგლებში.

მომხმარებლებისთვის სამი განსხვავება თვალსაჩინოა:

• M3.1 Flash-ში მსჯელობის დონის არჩევა შეგიძლიათ;


• კომპანია განსაკუთრებულად უსვამს ხაზს სიჩქარესა და ღირებულებას აგენტურ სცენარებში;


• მოდელი ხელმისაწვდომია API-ის, M Plan-ისა და MiniMax Code-ის მეშვეობით.

MiniMax-მა პირობა დადო, რომ M3.1 Flash-ის წონებს მოგვიანებით გამოაქვეყნებს. მათ გამოქვეყნებამდე მოდელს საკუთარ სერვერზე ვერ განათავსებთ და ვერც კომპანიის სერვისების მიღმა გამოსცდით.

ვისთვის არის საინტერესო

M3.1 Flash შეიძლება გამოადგეს დეველოპერებს, რომლებსაც ასისტენტი სჭირდებათ რეპოზიტორიის გასაანალიზებლად, შეცდომების გამოსასწორებლად, ტესტების დასაწერად და მრავალეტაპიანი ცვლილებების შესატანად. ის ასევე აქტუალურია იმ გუნდებისთვის, რომლებიც სხვადასხვა აპლიკაციაში სამუშაოს ავტომატიზებენ და აგენტის ხშირი გამოძახებების ხარჯის კონტროლი სურთ.

მის დანერგვამდე შეადარეთ მოდელი ალტერნატივებს თქვენივე ამოცანებზე. შეამოწმეთ არა მხოლოდ პასუხების ხარისხი, არამედ ხელსაწყოების გამოძახებების რაოდენობა, ტოკენების გამოყენება, დასრულებულ შედეგამდე მისასვლელად საჭირო დრო და მოდელის ქცევა პრობლემების წარმოქმნისას.

აიღეთ თქვენი სამუშაო პროცესიდან რამდენიმე ტიპური ამოცანა და გაუშვით ისინი M3.1 Flash-ში სხვადასხვა დონის მსჯელობით — ამის გაკეთება პირდაპირ vega.chat-ის მოდელების სიაში შეგიძლიათ.