Pin yang sepadan dengan tag:MiniMax

MiniMax melancarkan M1, model penaakulan berat terbuka 456B dengan campuran pakar hibrid dan perhatian kilat, konteks 1M token serta output penaakulan 80K token, dilatih dengan algoritma pembelajaran pengukuhan baharu pada kos yang dilaporkan sebanyak $534,700.

MiniMax membuka sumber M2, model campuran pakar 230B parameter dengan 10B aktif yang dibina untuk pengekodan dan kerja agentik, berharga $0.30 setiap sejuta token input dan menduduki tempat pertama dalam kalangan model berat terbuka pada Intelligence Index Artificial Analysis semasa pelancaran.

MiniMax melancarkan M2.1, model pengekodan dan ejen campuran pakar berat terbuka dengan 230B parameter yang mengaktifkan 10B dan memperoleh 74.0 pada SWE-bench Verified serta 88.6 pada penanda aras full-stack baharunya VIBE.

MiniMax melancarkan M2.5, model berpemberat terbuka berparameter 229B yang dilatih dengan pembelajaran peneguhan dalam lebih 200,000 persekitaran dunia sebenar, dengan skor 80.2% pada SWE-Bench Verified pada kelajuan 100 token sesaat.

MiniMax melancarkan M2.7, model pertamanya yang mengambil bahagian dalam evolusinya sendiri, dengan skor 56.22% pada SWE-Pro dan 57.0% pada Terminal Bench 2 serta Agent Teams natif, pada harga $0.30 bagi setiap 1 juta token input.

MiniMax melancarkan MiniMax-M3, model multimodal asli dengan konteks 1M token yang dibina di atas perhatian jarang barunya, mencatat 59.0% pada SWE-Bench Pro dan berharga $0.30 bagi setiap 1 juta token input selepas diskaun pelancaran.