Épingles correspondant à company:MiniMax

MiniMax lance M1, un modèle de raisonnement à poids ouverts de 456B, à mélange d'experts hybride avec attention éclair, doté d'un contexte de 1M de tokens et d'une sortie de raisonnement de 80K tokens, entraîné avec un nouvel algorithme d'apprentissage par renforcement pour un coût annoncé de $534,700.

MiniMax publie en open source M2, un modèle à mélange d'experts de 230B paramètres dont 10B actifs, conçu pour le code et le travail agentique, au prix de $0.30 par million de jetons en entrée et classé premier parmi les modèles à poids ouverts sur l'Intelligence Index d'Artificial Analysis à son lancement.

MiniMax lance M2.1, un modèle de code et d'agents à mélange d'experts à poids ouverts de 230B de paramètres, qui en active 10B et obtient 74.0 sur SWE-bench Verified et 88.6 sur son nouveau benchmark full-stack VIBE.

MiniMax lance M2.5, un modèle à poids ouverts de 229B de paramètres entraîné par apprentissage par renforcement dans plus de 200,000 environnements réels, qui obtient 80.2% sur SWE-Bench Verified à 100 tokens par seconde.

MiniMax lance M2.7, son premier modèle à participer à sa propre évolution, avec 56.22% sur SWE-Pro et 57.0% sur Terminal Bench 2 et des Agent Teams natifs, à $0.30 par million de tokens en entrée.

MiniMax lance MiniMax-M3, un modèle nativement multimodal avec un contexte de 1M tokens fondé sur sa nouvelle attention parcimonieuse, qui obtient 59.0% sur SWE-Bench Pro et est facturé $0.30 par million de tokens en entrée après une remise de lancement.