MiniMax: MiniMax M3 (batch)

MiniMax: MiniMax M3.1 Flash

minimax

MiniMax-M3.1-Flash — это мультимодальная модель от MiniMax. По сравнению с версией M3, она демонстрирует значительные улучшения по множеству показателей, особенно в сложных агентных задачах, программировании и кибербезопасности. Модель предназначена для решения комплексных задач, обеспечивая высокую точность и эффективность.

MiniMax: MiniMax M3

minimax

MiniMax-M3 — это мультимодальная базовая модель от MiniMax. Она поддерживает ввод текста, изображений и видео с текстовым выводом, обладает контекстным окном на 1 миллион токенов и подходит для задач с длительным горизонтом, агентных систем, программирования и других применений.

MiniMax: MiniMax M2.7

minimax

MiniMax-M2.7 — это новое поколение языковых моделей, созданных для автономной продуктивности в реальном мире и непрерывного совершенствования. Разработанная для активного участия в собственной эволюции, M2.7 интегрирует продвинутые агентские возможности через мультиагентное сотрудничество, что позволяет ей планировать, выполнять и совершенствовать сложные задачи в динамичных условиях. Обученная для производительности промышленного уровня, M2.7 управляет рабочими процессами, такими как отладка в реальном времени, анализ первопричин, финансовое моделирование и полная генерация документов в Word, Excel и PowerPoint. Она демонстрирует сильные результаты на бенчмарках, включая 56,2% на SWE-Pro и 57,0% на Terminal Bench 2, а также достигает 1495 ELO на GDPval-AA, устанавливая новый стандарт для мультиагентных систем, работающих в реальных цифровых рабочих процессах.

MiniMax: MiniMax M2.5

minimax

MiniMax-M2.5 — это передовая большая языковая модель, разработанная для решения практических задач и повышения производительности. Обученная в разнообразных сложных цифровых рабочих средах, M2.5 развивает возможности программирования версии M2.1 и расширяет их на сферу офисной работы. Модель свободно создает и редактирует файлы Word, Excel и PowerPoint, эффективно переключается между различными программными средами и взаимодействует в командах, состоящих из агентов и людей. Демонстрируя высокие результаты в тестах — 80,2% на SWE-Bench Verified, 51,3% на Multi-SWE-Bench и 76,3% на BrowseComp — M2.5 также отличается повышенной эффективностью использования токенов по сравнению с предыдущими поколениями благодаря оптимизации действий и выводов через предварительное планирование. На alltokens модель доступна для интеграции в ваши рабочие процессы.

MiniMax: MiniMax M1

minimax

MiniMax-M1 — это масштабная модель с открытыми весами, предназначенная для глубоких рассуждений, работы с расширенным контекстом и высокоэффективного вывода. Она использует гибридную архитектуру Mixture-of-Experts (MoE) в сочетании с механизмом lightning attention, что позволяет обрабатывать последовательности длиной до 1 миллиона токенов при сохранении конкурентоспособной вычислительной эффективности. Общее количество параметров модели составляет 456 миллиардов, из которых 45,9 миллиарда активны для каждого токена. Данная версия оптимизирована для решения сложных многоэтапных логических задач. Благодаря обучению с помощью специализированного конвейера обучения с подкреплением (CISPO), M1 демонстрирует выдающиеся результаты в понимании длинного контекста, программной инженерии, использовании инструментов в режиме агента и математических рассуждениях. Тесты показывают высокую производительность в FullStackBench, SWE-bench, MATH, GPQA и TAU-Bench, где модель часто превосходит другие открытые решения, такие как DeepSeek R1 и Qwen3-235B. На платформе alltokens модель доступна для интеграции в различные рабочие процессы.