Pines que coinciden con tag:MiniMax

MiniMax lanza M1, un modelo de razonamiento de pesos abiertos de 456B con mezcla de expertos híbrida y atención relámpago, un contexto de 1M tokens y salida de razonamiento de 80K tokens, entrenado con un nuevo algoritmo de aprendizaje por refuerzo por un coste reportado de $534,700.

MiniMax publica en código abierto M2, un modelo de mezcla de expertos de 230B parámetros con 10B activos, creado para programación y trabajo con agentes, con un precio de $0.30 por millón de tokens de entrada y primero entre los modelos de pesos abiertos en el Intelligence Index de Artificial Analysis en su lanzamiento.

MiniMax lanza M2.1, un modelo de programación y agentes de mezcla de expertos de pesos abiertos con 230B de parámetros que activa 10B y obtiene 74.0 en SWE-bench Verified y 88.6 en su nuevo benchmark full-stack VIBE.

MiniMax lanza M2.5, un modelo de pesos abiertos de 229B de parámetros entrenado con aprendizaje por refuerzo en más de 200,000 entornos del mundo real, que obtiene un 80.2% en SWE-Bench Verified a 100 tokens por segundo.

MiniMax lanza M2.7, su primer modelo que participa en su propia evolución, con un 56.22% en SWE-Pro y un 57.0% en Terminal Bench 2 y con Agent Teams nativos, a $0.30 por 1 millón de tokens de entrada.

MiniMax lanza MiniMax-M3, un modelo nativamente multimodal con un contexto de 1M tokens construido sobre su nueva atención dispersa, que obtiene 59.0% en SWE-Bench Pro y cuesta $0.30 por 1 millón de tokens de entrada tras un descuento de lanzamiento.