مدل MiniMax M3.1 Flash معرفی شد؛ جهشی در سرعت استنتاج و کاهش هزینه‌های هوش مصنوعی

شرکت MiniMax به‌طور رسمی مدل جدید MiniMax M3.1 Flash را معرفی کرد. این مدل نسل جدیدی از مدل‌های Flash است که با هدف بهبود عملکرد در وظایف ایجنتیک (Agentic Tasks)، برنامه‌نویسی، استفاده از کامپیوتر (Computer Use) و امنیت سایبری توسعه یافته و در عین حال سرعت استنتاج آنلاین را به طور قابل‌توجهی افزایش و هزینه‌ها را کاهش داده است.

پس‌زمینه و مسیر توسعه

این مدل پیش‌تر به صورت ناشناس و با نام رمز Space Bunny و به‌عنوان یک نسخه اولیه روی پلتفرم‌های مختلف تست می‌شد و توانسته بود حجم عظیمی از توکن‌ها را پردازش کند. مدل‌های Flash معمولاً با تمرکز بر تعادل میان کارایی و سرعت ارائه می‌شوند و نسخه‌های Pro این شرکت قرار است بعداً برای رقابت در بالاترین سطوح هوش مصنوعی عرضه شوند.

ویژگی‌های فنی و عملکرد

مدل M3.1 Flash در بنچمارک‌های مختلف نتایج قوی ثبت کرده و در تعامل با محیط‌های واقعی و اجرای توالی‌های طولانی وظایف عملکرد مطلوبی دارد:

• وظایف پیچیده و اتوماسیون: امتیاز بالا در AutomationBench-AA و BankerToolBench که نشان‌دهنده توانایی در حل جریان‌های کاری سازمانی و چندمرحله‌ای است.
• مهندسی نرم‌افزار و کدنویسی: کسب امتیاز ۷۳.۷ درصد در DeepSWE v1.1 و رتبه مناسب در OSWorld V2 برای اجرای کارهای بین برنامه‌ای.
• امنیت سایبری: ثبت امتیاز ۸۲ درصد در CyberGym و توانایی در ممیزی کد، کشف آسیب‌پذیری و مهندسی معکوس.
• سرعت استنتاج: به لطف بهینه‌سازی‌های سخت‌گیردانه‌تر در sparsity، سرعت خروجی مدل به بیش از ۲۰۰ توکن بر ثانیه (TPS) می‌رسد و میانگین سرعت (P50) آن روی حدود ۱۷۰ توکن بر ثانیه قرار دارد.

مدل قیمت‌گذاری

هزینه استفاده از این مدل نسبت به نسخه پیشین (MiniMax M3) کاهش چشمگیری داشته است. ساختار قیمت‌گذاری بر اساس هر یک میلیون توکن به شرح زیر است:

• ورودی (Input): ۰.۱۵ دلار
• خروجی (Output): ۰.۶۰ دلار
• ورودی کش‌شده (Cached Input): ۰.۰۱۵ دلار

وزن‌های مدل قرار است در آینده منتشر شود و در حال حاضر دسترسی به آن از طریق API، پلتفرم M Plan و ابزار دسکتاپ MiniMax Code فراهم است.

دیدگاه جامعه توسعه‌دهندگان در Hacker News

بحث‌های داغی پیرامون این انتشار در هکرنیوز شکل گرفته است:

• برخی کاربران اشاره می‌کنند که مدل‌های استعاری یا رقیب مانند مدل‌های Flash شرکت‌های دیگر گاهی در تست‌های واقعی عملکرد متفاوتی از بنچمارک‌ها نشان می‌دهند و در تست‌های ناشناس پیشین (به عنوان Space Bunny) نتوانسته بودند شگفتی بزرگی ایجاد کنند.
• از سوی دیگر، نسبت هزینه به کارایی مدل‌های جدید (مانند مدل‌های اقتصادی DeepSeek یا همین مدل) تحسین بسیاری را برانگیخته است؛ به طوری که برخی توسعه‌دهندگان اشتراک‌های گران‌قیمت ماهانه را به خاطر این گزینه‌های مقرون‌به‌صرفه کنار گذاشته‌اند.
• منتقدان بازار مدل‌های زبانی نیز به رقابت شدید قیمتی اشاره دارند که شرکت‌ها را مجبور می‌کند به طور مداوم هزینه‌ها را کاهش دهند تا در بازار رقابتی باقی بمانند.