MiniMax M3.1 Flash: жылдамдығы мен бағасы
19 қазанда MiniMax M3.1 Flash моделін ресми түрде таныстырды. Модель бағдарламалау, AI агенттері, компьютерді пайдалану және киберқауіпсіздік тапсырмаларына арналған. Компанияның мәлімдеуінше, инференс жылдамдығы үш есеге жуық артқан, ал агенттік жүктемелердің құны 70%-ға төмендеген.
Модель алдын ала сынақ кезеңінен өтті. 27 қыркүйекте M3.1-Flash-Preview MiniMax Code ішінде пайда болып, қателерді түзетуден бастап жаңа мүмкіндіктер әзірлеуге дейінгі күнделікті бағдарламалау жұмыстарына ұсынылды. Енді M3.1 Flash API, M Plan жазылымы және MiniMax Code арқылы қолжетімді. Оны vega.chat платформасындағы модель таңдау мәзірінен де сынап көруге немесе api.vega.chat арқылы шақыруға болады.
Space Bunny қайдан шықты
Ресми хабарландыруға дейін әзірлеушілер Space Bunny деп аталған анонимді модельді сынап көрді. MiniMax оның M3.1 Flash-тің ерте нұсқасы болғанын растады. Компанияның айтуынша, анонимді жұмыс кезеңінде модель 200 триллионнан астам токен өңдеген.
Нақты әлемдегі осындай ауқымды қолдану MiniMax-ке толық іске қосылмай тұрып модельді көптеген сұрау түрінде тексеруге мүмкіндік берді. Алайда компания Space Bunny сынақтарының егжей-тегжейін жарияламады және олардың қай нәтижелері M3.1 Flash-тің соңғы нұсқасына тікелей әсер еткенін нақтыламады.
Контекст терезесі және ойлау режимдері
M3.1 Flash 1 миллион токенге дейінгі контекст терезесін қолдайды. Бұл бір сұрауда ауқымды құжаттарды, код базасының үлкен бөліктерін және агенттің ұзақ жұмыс тарихын бере алатыныңызды білдіреді.
Техникалық материалдарда мәтін, сурет және бейне кіріс деректеріне қолдау көрсетілетіні де жазылған. Шығыс деректері тек мәтін түрінде беріледі.
Ойлау режимі үнемі қосулы, бірақ оның тереңдігін реттеуге болады. Бес деңгей бар: low, medium, high, xhigh және max. Төмен деңгейлер жылдам түзетулер мен қарапайым тапсырмаларға жарайды; жоғары деңгейлер күрделі талдауға, бірнеше қадамнан тұратын өзгерістерге және бірнеше файлды қамтитын жұмыстарға арналған.
Бұл параметр жылдамдық, токен шығыны және талдау тереңдігі арасындағы тепе-теңдікті басқаруға мүмкіндік береді. Нақты әсері тапсырмаға байланысты: төмен деңгейде жауап жылдамырақ берілуі мүмкін, бірақ сол деңгейдегі күрделі сұрауды өз тарапыңыздан мұқият тексеру қажет болады.
Бенчмарк нәтижелері нені көрсетеді
MiniMax M3.1 Flash нәтижелерін бірнеше сынақ бойынша жариялады. Төмендегі ұпайлардың барлығын компанияның өзі берген, сондықтан кең ауқымды тәуелсіз салыстырулар шыққанша оларды әзірлеушінің мәлімдемелері деп қарастырған жөн.
| Сынақ | Ұпай | Нені өлшейді |
|---|---|---|
| DeepSWE v1.1 | 73.7% | Күрделі инженерлік тапсырмаларды орындау және кодты шолу |
| BankerToolBench | 76.2 | Құжаттар мен қаржылық шектеулерді қамтитын көпқадамды жұмыс ағындары |
| OSWorld V2 | 61.7 | Компьютерді пайдалану және әртүрлі қолданбалардағы тапсырмаларды орындау |
| Agents' Last Exam | 29.6 | Күрделі кәсіби тапсырмалар |
| CyberGym | 82% | Осалдықтарды табу және растау |
AutomationBench-AA сынағында MiniMax модельді ең мықты қатысушылардың қатарына қосады. Бұл бенчмарк кәсіпорын қызметтеріндегі сатылым, маркетинг, қаржы және HR тапсырмалары сияқты басынан аяғына дейінгі процестерді қамтиды.
Нәтижелерді бір-бірімен тікелей салыстыруға болмайды: сынақтар әртүрлі дағдыларды әртүрлі шкаламен өлшейді. Өніміне модель таңдайтын командалар үшін өз сценарийлерінде сынақтан өткізу маңыздырақ: құралдарды қаншалықты дәл шақыратынын, код базасымен қалай жұмыс істейтінін және тапсырманы жұмыс істейтін нәтижеге дейін жеткізе алатынын тексеру керек.
Жылдамдығы мен бағасы
MiniMax генерация жылдамдығы секундына 200 токеннен жоғары, ал медианалық жылдамдығы 170 токеннен жоғары екенін хабарлайды. Бұл — мәтін генерациясының жылдамдығы; тапсырманың басынан аяғына дейінгі уақытына кепілдік бермейді: агентке файлдарды оқу, құралдарды шақыру, сынақтарды орындау және нәтижені жетілдіру үшін қайталап жұмыс істеу қажет болуы мүмкін.
API бағасы 1 миллион токенге шаққанда:
| Токен түрі | Бағасы |
|---|---|
| Кіріс | $0.15 |
| Шығыс | $0.60 |
| Кэштелген кіріс | $0.015 |
MiniMax агенттік жүктемелердің жалпы құны алдыңғы модельмен салыстырғанда 70%-ға төмендегенін мәлімдейді. Бұл бағалау нақты қолдану үлгілеріне қатысты және әр сұрау автоматты түрде 70%-ға арзандайды дегенді білдірмейді. Нақты шығын контекст көлеміне, жауап ұзындығына, құралдарды шақыру санына және қайталау әрекеттеріне байланысты.
M3 пен M3.1 Flash
Бұған дейін шығарылған MiniMax M3 код жазу, агенттік тапсырмалар және мультимодальды жұмыстарға арналған әмбебап модель ретінде ұсынылды. Ал M3.1 Flash жиі орындалатын күнделікті сұрауларды, әсіресе бағдарламалық агенттер ішіндегі тапсырмаларды жылдам орындауға басымдық береді.
Пайдаланушылар үш айырмашылықты байқай алады:
- M3.1 Flash ойлау деңгейін таңдауға мүмкіндік береді;
- компания агенттік сценарийлердегі жылдамдық пен шығынға ерекше мән береді;
- модель API, M Plan және MiniMax Code арқылы қолжетімді.
MiniMax M3.1 Flash салмақтарын кейінірек шығаруға уәде берді. Олар жарияланғанша модельді өз серверіңізде орналастыра алмайсыз немесе компания қызметтерінен тыс сынай алмайсыз.
Кімдер назар аударуы керек
M3.1 Flash репозиторийді талдауға, қателерді түзетуге, сынақтар жазуға және бірнеше қадамнан тұратын өзгерістер енгізуге көмекші қажет әзірлеушілерге сай болуы мүмкін. Сондай-ақ әртүрлі қолданбалардағы жұмысты автоматтандырып, агентті жиі шақыру шығындарын бақылауда ұстағысы келетін командаларға да пайдалы.
Қолданбас бұрын модельді өз тапсырмаларыңызда баламаларымен салыстырып көріңіз. Жауап сапасымен ғана шектелмей, құралдарды шақыру санын, токен шығынын, дайын нәтижеге жету уақытын және бірдеңе дұрыс болмаған жағдайда модельдің қалай әрекет ететінін де тексеріңіз.
Жұмыс барысыңыздан бірнеше әдеттегі тапсырманы таңдап, оларды M3.1 Flash арқылы әртүрлі ойлау деңгейінде орындап көріңіз — мұны vega.chat платформасындағы модель таңдау мәзірінен бірден жасауға болады.