Pin yang cocok dengan tag:MiniMax

MiniMax merilis M1, model penalaran bobot terbuka 456B dengan campuran pakar hibrida dan lightning attention, konteks 1M token, serta keluaran penalaran 80K token, yang dilatih dengan algoritma pembelajaran penguatan baru dengan biaya yang dilaporkan sebesar $534,700.

MiniMax membuka sumber M2, model mixture-of-experts 230B parameter dengan 10B aktif yang dibuat untuk pengodean dan pekerjaan agentik, berharga $0.30 per juta token input dan menempati peringkat pertama di antara model bobot terbuka pada Intelligence Index Artificial Analysis saat peluncuran.

MiniMax merilis M2.1, model pemrograman dan agen campuran pakar berbobot terbuka dengan 230B parameter yang mengaktifkan 10B dan meraih 74.0 pada SWE-bench Verified serta 88.6 pada tolok ukur full-stack barunya VIBE.

MiniMax merilis M2.5, model berbobot terbuka dengan 229B parameter yang dilatih dengan reinforcement learning di lebih dari 200,000 lingkungan dunia nyata, meraih 80.2% di SWE-Bench Verified pada kecepatan 100 token per detik.

MiniMax merilis M2.7, model pertamanya yang ikut berperan dalam evolusinya sendiri, dengan skor 56.22% di SWE-Pro dan 57.0% di Terminal Bench 2 serta Agent Teams bawaan, seharga $0.30 per 1 juta token input.

MiniMax merilis MiniMax-M3, model multimodal bawaan dengan konteks 1M token yang dibangun di atas atensi jarang barunya, meraih 59.0% pada SWE-Bench Pro dan dihargai $0.30 per 1 juta token input setelah diskon peluncuran.