Цензурасыз MiniMax API: түп баадагы көрүү

Тейленген мультимодалдык API'лердин дээрлик баары көрүүнү премиум катары баалайт. Текст үчүн текст моделинин тарифин төлөйсүз, ал эми промптко сүрөт киргени менен көбүрөөк — кээде бир нече эсе көбүрөөк — төлөйсүз. Мунун үстүнө, баш тартуу жүрүм-туруму эң агрессивдүү болгон жер — так ошол сүрөт киргизүүлөрү: темасын текстте кубанып талкуулаган модель ошол эле нерсени сүрөттө сүрөттөөдөн баш тартат. Натыйжада чакырууга кымбат жана чакырууга ишенимсиз продукт чыгат, ал эми көлөмдү иштетип жатканда бул эки жамандыктын экөө тең. Shannon'догу MiniMax-M3 — ошого жообубуз: биринчи кадамдан баштап мультимодалдык үйрөтүлгөн негизге эң арзан текст моделибиз үчүн төлөгөн ошол эле $0.50 / $2.00 колдонулат, жана анын алдында баш тартуу катмары турбайт.

01Бул жерде «эң арзан цензурасыз көрүү модели» чындыгында эмнени билдирет

Shannon каталогу — он эки модель. Алардын бешөө сүрөт кабыл алат. Миллион токенге баалары:

Көрүүсү бар модель	Кирүү	Чыгуу	Структураланган чыгуу
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	json_schema + response_format
MiMo-V2.5 · W8A16	$0.50	$2.00	json_schema + response_format
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	json_schema + response_format
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	response_format гана
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 түптө турат — $0.50 / $2.00 — MiMo-V2.5 менен тең, ал эми андан төмөн эч нерсе жок, анткени $0.50 / $2.00 деген прайс-барагыбыздын түбү болуп саналат. Көрүү диапазонунун чокусуна каршы ал Kimi-K3'төн кирүүдө 7,7 эсе, чыгууда 9,6 эсе арзан.

Муну жүккө салып көрөлү. Айталы, сиз 1 000 сүрөттү — скриншотторду, сканерленген барактарды, товар сүрөттөрүн — иреттеп жатасыз, ар бирине орточо 1 200 токен сүрөт менен промпт кирип, 300 токен жооп чыгат:

Shannon прайс-баасы, 2026-жылдын сентябры. Токен сандары мисал үчүн; сүрөтүңүздүн токенге бөлүнүшү чечилиштен жана бир чакырууга канча сүрөт тиркегениңизден көз каранды.

Башта кармаганга пайдалуу дагы эки чекит. Бүткүл 262 144 токендик контекстти бир жолу толтуруу болжол менен 13 центке турат. Эң узун 16 384 токендик жооп болжол менен 3,3 центке турат. Булар — бир эң оор сурамдын чыныгы чектери, жана алар ушунчалык кичине болгондуктан, көрүү түтүгүндөгү кызыктуу чектөө акча болбой калып, өткөрүмдүүлүккө айланат.

02MiniMax теги: аталышты эмес, токендерди оптималдаштырган лаборатория

MiniMax AI — Шанхайдагы лаборатория, анын бүт ачык салмактуу тарыхы бир суроонун тегерегинде: узун контекст менен мультимодалдуулук кымбат баалуулук болбой калгыдай кылып, көңүл бурууну кантип арзандатууга болот? Бул тектеги ар бир чыгарылыш — ошол суроого жооп, жана жооптор бири-биринин үстүнө курулат.

MiniMax-01 — Lightning Attention жана башынан келген көрүү

MiniMax-01 сериясы (arXiv 2501.08313 катары жарыяланган) Lightning Attention — сызыктуу көңүл буруу вариантынын киргизүү-чыгарууну эске алган ишке ашырылышы — деген нерсени жалпы 456B параметрлүү, токенге 45,9B активдүү гибриддик эксперттер аралашмасы моделинин ичинде киргизген. Серия жуп болуп чыккан: MiniMax-Text-01 жана көрүү модели MiniMax-VL-01. VL-01 азыр тааныш болгон ViT-MLP-LLM түзүлүшүн колдонгон, бирок кабыл алынган энкодердин ордуна 694 миллион сүрөт-жазуу жубунда нөлдөн үйрөтүлгөн 303 миллион параметрлик Vision Transformer менен, андан соң 512 миллиард токенди иштеткен көп этаптуу түтүктө тегиздеп, чогуу тактап үйрөтүлгөн.

Бул деталь сиз окуп жаткан макала үчүн маанилүү. Бул тектеги көрүү — тизмени толтуруу үчүн текст моделине кечирээк бекитилген адаптер эмес. MiniMax өзүнүн визуалдык мунарасын биринчи ачык чыгарылышынан бери үйрөтүп келет, дал ошондуктан документ түшүнүү, интерфейс менен скриншот түшүнүү жана диаграмма окуу бул үй-бүлөнүн кийинки ойлонулган эмес, ырааттуу күчтүү жактары.

MiniMax-M1 — узакка ой жүгүртүү үчүн гибриддик көңүл буруу

MiniMax-M1 (arXiv 2506.13585) авторлору тарабынан ачык салмактуу, ири масштабдагы гибриддик көңүл буруулуу биринчи ой жүгүртүү модели катары сүрөттөлгөн. Ал 456B / 45,9B MoE денесин сактап, эки көңүл буруу түрүн кезектештирген: ар бир жети Lightning Attention блогунан кийин кадимки softmax көңүл буруу блогу. Пайдасы лидерлер тизмесиндеги орун менен эмес, эсептөө менен өлчөнгөн — MiniMax 100K токендик жаратуу узундугунда M1 DeepSeek R1'дин FLOP'торунун болжол менен 25%ын сарптаганын билдирген, ошол эле учурда бир миллион токендик контекстти өзүнөн колдоп.

MiniMax-M2 — активдүүлүктү кичирейтүү бурулушу

MiniMax-M2 өлчөм боюнча тескери багытка кетип, ошону менен көңүл бурган: жалпысынан 229,9B параметрлүү, бирок токенге болгону ~9,8B активдүү 62 катмарлуу декодер, ар бир MoE катмарында сигмоид маршруттоо менен сегизине багытталган 256 майда эксперт, үйрөтүү туруктуулугу үчүн RoPE позициялары жана QK-RMSNorm менен. Ал ачык эле агенттик код жазуу модели болгон — көп файлдуу оңдоолор, иштет-оңдо айланымдары, тест менен текшерилген оңдоолор — жана кезектешкен ой жүгүртүү форматын киргизген, мында ой жүгүртүү ар бир кезектен кийин ыргытылбай, курал чакыруу раунддарынын ортосунда алынып жүрөт. M2 — MiniMax'тын активдүүлүктү кичине кармоонун гана эсебинен токен боюнча баанын үлүшүнө алдыңкыга жакын агенттик жүрүм-турум берүү аброюн түптөгөн модель.

MiniMax-M3 — бул учтун астындагы негиз

MiniMax-M3 2026-жылдын 1-июнунда чыккан, көп өтпөй салмактары Hugging Face'ке жана техникалык отчету arXiv 2606.13392'ге жайгашкан. Бул — токенге болжол менен 23B активдүү 428B параметрлик эксперттер аралашмасы модели, документтелген бир миллион токендик контексти жана өзүнөн сүрөт менен видео киргизүүсү бар. MiniMax аны текстте алдын ала үйрөтүлүп, кийин мультимодалдыкка ыңгайлаштырылган эмес, «эң биринчи кадамдан баштап» аралаш модалдуулукта үйрөтүлгөн деп сүрөттөйт. MiniMax өзү жарыялаган сандар боюнча ал SWE-bench Verified'де 80,5% жана SWE-bench Pro'до 59,0% алат. Булар — код жазуу бенчмаркындагы өндүрүүчү билдирген сандар, аларды так ошондой салмактоо керек; биз аларды өзүбүз көзкарандысыз кайталагандыктан эмес, лабораториянын жарыяланган доомату болгондуктан келтиребиз.

03MiniMax Sparse Attention: көрүү модели эмне үчүн ушунчалык арзан болушу мүмкүн

M3'төгү кызыктуу инженерия — MiniMax Sparse Attention (MSA), жана бул мынчалык чоң мультимодалдык моделдин түп баабызда тура алышынын түздөн-түз себеби. Сүрөттөр токенге кымбат. Бир нече жогорку чечилиштеги барак сиз бир да көрсөтмө жазганга чейин промптко ондогон миң токен сала алат. Стандарттык көңүл буруу астында ал чыгым квадраттык өсөт, ал эми жыйырма баракты окуган модель онду окугандан эки эсе кымбат эмес — эки эсеге караганда алда канча жаман.

MSA ошол ийри сызыктын формасын өзгөртөт. Бул — Grouped Query Attention өзөгүнүн үстүнө курулган блок-сейрек механизм, эки бутакка бөлүнөт:

• Ачкыч-маани блокторун баалаган — ар бир блоктун ичиндеги токендер боюнча упайларды max-pooling кылган — жана ар бир суроо позициясына, ар бир GQA тобуна топ-k тандаган жеңил Index Branch; ал үйрөтүү туруктуулугу үчүн суроонун өзү турган жергиликтүү блокту дайыма кошот.
• Кадимки softmax көңүл бурууну индекс тандаган блоктордо гана иштеткен Main Branch.

MSA макаласындагы конфигурация — 128 токендик k = 16 блок, бул ар бир суроого 2 048 токендик туруктуу бюджет берет. Туруктуу дегени — ал ырааттуулуктун узундугу менен өспөйт. Бүт амал ошондо: контекст өскөн сайын тыгыз базалык вариантта көңүл буруунун чыгымы өсө берет, ал эми MSA'нын негизги бутагынын чыгымы жалпак калат, ошондуктан көңүл буруу квадраттык эмес, сызыктуу масштабдалат.

Сандар MiniMax Sparse Attention отчетунан (arXiv 2606.13392): 1M контексте окшош конфигурацияланган GQA менен салыштырганда токенге туура келген көңүл буруу FLOP'у 28,4 эсе азайган, ал эми макаланын 109B параметрлик изилдөөсүндө H800 жабдыгында өлчөнгөн 14,2 эсе prefill / 7,6 эсе decode убакыт ылдамдашуусу. MiniMax өзүнчө 1M контексте M3 үчүн M2 менен салыштырганда 9 эсе prefill жана 15 эсе decode ылдамдашуусун билдирет. Баары лаборатория билдирген сандар.

Макала көрүү жөнүндөгү макала үчүн маанилүү текшерүүнү да жасайт: өзүнөн мультимодалдык 109B MoE'де MSA AI2D, ChartQA жана MMMU сыяктуу сүрөт бенчмарктарында, ошондой эле EgoSchema, LongVideoBench жана VideoMME сыяктуу видео бенчмарктарында толук көңүл буруу базалык вариантына салыштырмалуу натыйжаны кармаган — сейрек варианттар кээде узунураак контексттеги видео тапшырмаларында жакшыртып да коюшкан. Бул жердеги сейректик — ылдамдык үчүн төлөнгөн сапат салыгы эмес; узун кириштерде ал болжол менен бекер көрүнөт.

Кардар катары муну эмне үчүн эске алышыңыз керек: прайс-баракты тейлөө чыгымы аныктайт. Көңүл буруу чыгымы өсүүсүн токтоткон негиз — жүз миң сүрөткө багыттоого чамаңыз жеткен негиз. «Эң арзан цензурасыз көрүү модели» дегендин артындагы механизм ушул — бул жарнамалык тариф эмес, бул архитектура.

043BIT-REAP эмнени билдирет жана ал сизге кайда турат

428 миллиард параметрлик модель толук тактыкта эч бир ыңгайлуу жерге батпайт. Биздин MiniMax-M3 курулушубуз 3BIT-REAP кошумчасын алып жүрөт, ал так тартипте колдонулган эки өзүнчө операцияны сүрөттөйт.

REAP: эксперттерди кысаардан мурун өчүрүү

REAP — Router-weighted Expert Activation Pruning — Cerebras менен Калгари университетинен чыккан бир жолку MoE кысуу ыкмасы, arXiv 2510.13999 катары жарыяланган жана ICLR 2026'га кабыл алынган. Анын аргументи: жаратуучу тапшырмалар үчүн эксперттерди кыскартуу аларды бириктирүүдөн озот, анткени бириктирүү маршрутизатордун майда көзөмөлүн жок кылып, эч качан калыбына келбей турган ката киргизет. Ошондуктан REAP анын ордуна ар бир экспертти маршрутизатордун дарбаза маанилерин (аны канчалык көп жана күчтүү тандаарын) жана эксперттин активация нормаларын (анын чыгуусу чындыгында канчалык салым кошорун) айкалыштырган маанилүүлүк критерийи менен баалап, эң аз маанилүү эксперттерди таптакыр өчүрөт.

Авторлор базалык сапатты негизинен сактап туруп бир триллион параметрге чейинки моделдерден эксперттердин 50%ына чейинкисин алып салганын билдирет — Qwen3-480B-Coder-FP8'де 50% кыскартууда агенттик эмес код жазуу жөндөмүнүн базалык деңгээлинин 97,6%ы жана агенттик SWE-Bench боюнча 96,7%ы сакталган. Булар — макаланын өз моделдериндеги өз сандары, MiniMax-M3'төгү биздикилер эмес; биз аларды бул жерде эквиваленттүү өлчөө болгонун билдирүү үчүн эмес, ыкманы баалай алышыңыз үчүн келтиребиз.

Экинчиден, 3 биттик салмактар

Аман калган салмактар андан соң 3 битте сакталат. Тартип атайын тандалган жана айкалыштын мааниси ошондо: адегенде кыскартуу, андан соң кванттоо. Азыр эле өчүрө турган эксперттерди салмакка үч биттен так коддоого кымбат биттериңизди сарптоонун эч кандай мааниси жок. Сейрек куйрукту кыскартып, калган бюджет толугу менен чындап иштеген эксперттерге кетсин.

Чынчыл эскертүү

3BIT-REAP — таратып жаткан эң агрессивдүү деңгээлибиз. Биз аны эң чоң негиздерге — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — колдонобуз, анткени бул ошол моделдердин акылга сыярлык баада жеткиликтүү болушу менен таптакыр жеткиликсиз болушунун ортосундагы айырма. Негиз ага муктаж болбогудай кичине болгон жерде аны колдонбойбуз: каталогдогу W8A16 моделдери 8 биттик салмактар менен 16 биттик активацияларда иштейт, ал эми W4A16-AUTOROUND-REAP ортодо турат — эң жакын мааниге түз кванттоо жоготкон тактыкты калыбына келтирүү үчүн AutoRound'дун үйрөнүлгөн тегеректөөсүн колдонот. Чыдамкайлыгыңызга дал келген деңгээлди тандаңыз. Он миң эсеп-фактурадан талааларды чыгарып жатсаңыз, 3 бит — туура алмашуу. Бир сүрөттү бир жолу жогорку тобокелдүү соттук-медициналык окуп жатсаңыз, акчаны Kimi-K3'кө сарптаңыз.

05Кириш сүрөт болгондо «баш тартуу катмары жок» эмнени билдирет

«Цензурасыз» деген сөз бош колдонулуп калды, ошондуктан так доомат мына: бул учта баш тартуу катмары жок жана чыгууга чыпка колдонулбайт. Модель көрөөрдөн мурун сүрөтүңүздү эч бир классификатор текшербейт. Чыгып бара жаткан токендерди эч бир саясат модели текшербейт. Модель эмне жаратса, сиз ошону аласыз.

Текстте мунун таасири тааныш. Көрүүдө ал сапаттык жактан башка, анткени сүрөт киргизүүлөрүндөгү баш тартуу жүрүм-туруму — коммерциялык мультимодалдык API'лердин эң консервативдүү жана эң ыктыярдуу жери. Мүнөздүү бузулуулар мындай көрүнөт:

• Жапырт инсандык баш тартуулар — сүрөттөгү адамдарды такыр сүрөттөөдөн баш тартуу, ачык көрүнүп турган жана толук зыянсыз белгилерди кошкондо, анткени саясат сүрөттөө менен идентификациялоону ажырата албайт.
• Тема боюнча качуулар — транскрипция механикалык тапшырма болсо да, документ эмне жөнүндө экени үчүн аны жазып алуудан же жыйынтыктоодон баш тартуу.
• Медициналык жана соттук-медициналык жүрөксүздүк — адистин сүрөттөлүшү керек болгон клиникалык сүрөттөрдү, жаракат документтерин же кырсык сүрөттөрүн сүрөттөөдөн баш тартуу.
• Коопсуздук куралдарындагы жалган позитивдер — терминал, пакет тартып алуусу же мүчүлүштүк оңдогуч бар деп скриншотту окуудан баш тартуу.
• Үнсүз начарлоо — эң жаманы: баш тартуу эмес, айланма жооп эместик, ал схема текшерүүңүздөн өтүп, эч качан ката чыгарбай туруп маалымат топтомуңузду уулайт.

Бешөөнүн тең иштиктүү көйгөйү алардын адилетсиздигинде эмес. Алардын өлчөнбөстүгүндө. Туура эмес жооп — маалымат чекити; аны баалоого, баалоодо кармоого жана оңдоого болот. Баш тартуу — тешик. Топтомдук масштабда кириштериңиз боюнча кокустан эмес бөлүштүрүлгөн — курулушу боюнча так эле оор жана адаттан тыш учурларга топтолгон — 3% баш тартуу деңгээли натыйжаларыңыздагы системалуу жантаюу, аны эч кандай кийинки тазалоо калыбына келтирбейт. Баш тартуу катмарын алып салуу үнсүз, корреляцияланган жетишпеген маалыматтын булагын алып салат.

Shannon'ду Shannon Lab LLC (Нью-Мексико, АКШ) биздин жоопкерчиликтүү колдонуу саясатыбыздын алкагында тейлейт. Цензурасыз дегени модель кириштериңиз тууралуу баа бербейт дегени; аккаунттун шарттары жок дегени эмес.

06Толук спецификация

Талаа	MiniMax-M3 · 3BIT-REAP
Модель id	MiniMax-M3-3BIT-REAP
Негизи	MiniMax-M3 (MiniMax AI)
Контекст терезеси	262 144 токен
Эң чоң чыгуу	16 384 токен
Сүрөт киргизүү	Ооба
Видео киргизүү	Ачылган эмес
Агымдуу берүү	Ооба
Курал чакыруу	Ооба
Ой жүгүртүү	Ооба (reasoning_effort)
Структураланган чыгуу	json_schema + response_format
Баш тартуу катмары	Жок
Учтар	/v1/chat/completions · /v1/messages · /v1/responses
Кайда тейленет	Shannon'дун өз GPU кластери

Ошол таблицадагы эки сап баса белгилөөгө татыктуу. Видео киргизүү ачылган эмес. Түптөгү M3 негизи видеодо үйрөтүлгөн жана MiniMax видео киргизүүнү документтейт; биздин уч сүрөт кабыл алат. Сүрөткө карап куруңуз. Экинчиден, 262 144 токендик терезе — түптөгү бир миллион эмес, биздики; узун документ жана көп сүрөттүү жүктөрдү 262 144'кө карата пландасаңыз, эч качан күтүүсүздүккө кабылбайсыз.

07Цензурасыз MiniMax API'ди чакыруу

Үч диалект, алардын баарынын артында бир эле модель, үчөөндө тең агымдуу берүү. Учтагы клиентиңиз кайсынысын билсе, ошону колдонуңуз; алардын ортосунда мүмкүнчүлүк айырмасы жок. Базалык URL'иңизди Shannon'го багыттап, модель id'син алмаштырыңыз.

OpenAI диалекти аркылуу сүрөт түшүнүү

curl https://api.shannon-ai.com/v1/chat/completions \
  -H "Authorization: Bearer $SHANNON_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMax-M3-3BIT-REAP",
    "messages": [{
      "role": "user",
      "content": [
        { "type": "text", "text": "Transcribe every field in this scan. Do not summarize." },
        { "type": "image_url",
          "image_url": { "url": "data:image/png;base64,iVBORw0KGgo..." } }
      ]
    }],
    "max_tokens": 4096,
    "stream": true
  }'

Алыскы https:// URL'дери да, base64 маалымат URL'дери да image_url бөлүгүндө иштейт. Барактар аралык салыштыруу керек болгондо бир билдирүүгө бир нече сүрөт бөлүгүн тиркеңиз — сарптоого 262 144 токен бар, ал эми миллионуна $0.50 баада аларды сарптоо арзан.

JSON схема менен типтелген чыгарып алуу

Бул модель түтүктөгү ордун көрүү + катаң схема + түп баа айкалышы менен актайт. Каталогубуздагы ар бир моделде үчөө тең жок: Laguna-S-2.1 менен inkling json_schema'ны колдобойт. MiniMax-M3 колдойт, демек сүрөттөн талдоо катмарысыз текшерилген объект ала аласыз:

{
  "model": "MiniMax-M3-3BIT-REAP",
  "messages": [ /* text part + image_url part */ ],
  "response_format": {
    "type": "json_schema",
    "json_schema": {
      "name": "invoice",
      "strict": true,
      "schema": {
        "type": "object",
        "properties": {
          "vendor":     { "type": "string" },
          "issued_on":  { "type": "string" },
          "total_cents":{ "type": "integer" },
          "line_items": { "type": "array", "items": { "type": "string" } }
        },
        "required": ["vendor", "issued_on", "total_cents", "line_items"],
        "additionalProperties": false
      }
    }
  }
}

Ой жүгүртүү аракети

Модель reasoning_effort параметрин ачат. Көлөмдүү сүрөт классификациясында аны төмөн кармаңыз — сиз кабылдоо суроосун берип жатасыз, ал эми ой жүгүртүү токендери — сиз төлөгөн чыгуу токендери. Сүрөт узунураак ойдун далили болгон чакырууларда аны көтөрүңүз: диаграмманы спецификацияга салыштырып окуу, диаграмманы таблица менен айкалыштыруу, эки скриншот бир эле кемчиликти көрсөтүп жатабы деп чечүү.

Үч диалекттин тең толук параметр справкасы, ката семантикасы жана агымдуу берүү форматтары Shannon API документтеринде.

08MiniMax-M3 кайда туура тандоо — жана кайда эмес

Аны мына качан алыңыз

• Көлөмдүү сүрөт иши. Маалымат топтомун белгилөө, модерация изилдөөсү, каталогду байытуу, скриншотторду иреттөө, сканерленген документтер боюнча топтомдук OCR жана структуралоо. Түп баа — бүткүл аргумент.
• Сүрөттөн типтелген жазууга. Көрүү, катаң json_schema жана каталогдогу эң арзан токендер — бул айкалышты бул жерде эки эле модель сунуштайт.
• Узун мультимодалдык контекст. Бир сурамда көп барак же көп кадр — астындагы архитектура так ушул формадагы кириш үчүн курулган.
• Баш тартуулар үлгүнү бузган изилдөө. Жарактуулугу моделдин ар бир пунктка, ыңгайсыздарын кошкондо, жооп берүүсүнөн көз каранды болгон каалаган изилдөө.
• Экранды окуган агенттик айланымдар. M сериясынын теги ачык эле агенттик, ал эми курал чакыруу жеткиликтүү.

Башканы мына качан алыңыз

• Эң жогорку көрүү чеги керек жана бюджет бар. Kimi-K3 · 3BIT-REAP'тин кирүү баасы 7,7 эсе кымбат экени бекер эмес; бир жолку жогорку тобокелдүү окууда бул — сарптоого туура келген акча.
• Эң жогорку тактыктагы салмактар керек. 3 бит — эң агрессивдүү деңгээлибиз. W8A16 моделдери бааны тактыкка алмаштырат, ал эми MiMo-V2.5 · W8A16 салмакка тактык оптималдаштырып жатсаңыз, ошол эле $0.50 / $2.00 баада көрүүсү менен турат.
• Видео керек. Биз бул учта видео киргизүүнү ачпайбыз.
• Тапшырма — алдыңкы деңгээлдеги таза текст. Ал үчүн DeepSeek-V4-Pro-0813 бар; болбосо эч качан колдонбогон көрүү мунарасы үчүн төлөп жүрөсүз.

MiniMax үй-бүлөсү үчүн архитектура, бенчмарк жана ылдамдашуу сандары MiniMax AI тарабынан лабораторияда билдирилген; REAP сандарын REAP авторлору өз моделдеринде билдирген жана алар бул курулуштун өлчөөсү эмес. Shannon баалары, контекст терезеси жана мүмкүнчүлүк желекчелери — биздики жана жандуу модель каталогубуздан алынат.

09Көп берилүүчү суроолор

---

Булактар: MiniMax-M3 модель карточкасы · MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention · MiniMax-01: Scaling Foundation Models with Lightning Attention · REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression. MiniMax'тын бенчмарк жана ылдамдашуу сандары лаборатория тарабынан билдирилген жана көзкарандысыз текшерүүгө чейин алдын ала. Shannon баалары менен мүмкүнчүлүк желекчелери 2026-жылдын 5-сентябрына карата актуалдуу.