IT之家، في تاريخ 19 أكتوبر، أعلنت شركة Xi Yu Technology اليوم عن إطلاق نموذج MiniMax M3.1 Flash. كان Space Bunny الذي تم التعامل معه بصورة مجهولة وتمت معالجة أكثر من 200 توكين فيه، هو بالضبط النسخة المبكرة من MiniMax M3.1 Flash. كنموذج جديد من نوع Flash، حقق M3.1 Flash تحسينات جديدة في مهام العملاء الذكية، البرمجة، استخدام الحاسوب، وقوة الأمان السيبراني، كما ارتفعت سرعة التفكير عبر الإنترنت بنسبة تقارب 3 أضعاف، وانخفضت تكلفة الاستخدام بنسبة 70%.
وفقًا للتقديرات، حققت M3.1 Flash تقدمًا كاملًا في العديد من اختبارات المعيار، ووصل إلى مستوى النماذج المتفوقة في مهام العملاء المعقدة (Cowork)، واستخدام الحاسوب، وتطوير البرمجيات (Coding)، وأمن الشبكات.
المهام المعقدة والقدرة على الأتمتة:
يحتل مكانة متقدمة في AutomationBench-AA. في سير عمل الأعمال الحقيقية عبر أنظمة SaaS، يمكنه حل المشاكل الحقيقية المتعلقة بالمبيعات والتسويق والتشغيل وخدمة العملاء والمالية والشؤون الإنسانية بشكل كامل.
في BankerToolBench، الحد الأدنى للدرجة هو 76.2، وهذا يعكس مهارات المشروع متعدد الخطوات، التوافق بين المستندات/الملفات، الامتثال المالي، والاستدعاءات السلسة للأدوات وغيرها من المشكلات المعقدة الحقيقية.
مهارات البرمجة وهندسة البرمجيات:
حقق DeepSWE في اختبار v1.1 نسبة 73.7%، وهو ما يمثل مستوى نخبة للنماذج. يركز DeepSWE على مهام البرمجيات المعقدة، ويُطلب من النموذج أن يقوم بشكل مستقل بفهم الكود، وتطوير الوظائف، وإصلاح الأخطاء والتحقق من الاختبارات. يظهر M3.1 Flash قدرة ممتازة في تنفيذ المهام الطويلة، ويمكنه دعم سير العمل المعقد لتطوير البرمجيات بتكلفة أقل.
قدرة استخدام الكمبيوتر:
في نظام OSWorld V2 الذي يقيس قدرة أجهزة الكمبيوتر الذكية على التعامل مع الأعمال عبر التطبيقات المختلفة، حصلت النتيجة على 61.7 فونحصلت على 29.6 نقطة في اختبار ALE لقدرات التشغيل الحاسوبي للعناصر في سيناريوهات تقييم القيمة الاقتصادية والحقيقية، حيث احتلت المرتبة الأولى بين النماذج المحلية في كلا المعدلين.
M3.1 Flash يظهر قدرات متميزة في التفاعل مع البيئات الحقيقية، واستخدام الأدوات، وتنفيذ المهام ذات المسارات الطويلة، حيث يمكنه الانتقال من الفهم النظري إلى التنفيذ العملي والتسليم الفعلي.
قدرة الأمن السيبراني:
حققت في اختبارات معيار CyberGym نسبة 82% عالية، مما يظهر قدرة متفوقة في اكتشاف الثغرات والتحقق منها.
بعد تقييم عميق من قبل خبراء الأمن الداخلي، أظهر النموذج أداءً ممتازًا في مجالات مثل مراجعة الكود، إصلاح الثغرات، اختبارات الاختراق، تحليل الكود الضار، والهندسة العكسية، ويمكنه دعم بناء نظام أمان معقد بتكلفة منخفضة وكفاءة عالية.
في المهام من نوع Agentic، انخفضت تكلفة الاستخدام الشامل للنموذج بنسبة 70% مقارنة بالنماذج السابقة.السعر المدخل هو 1 يوان لكل مليون توكين، أما السعر الخرج فهو 4 يوان لكل مليون توكين، وسعر قراءة الذاكرة المؤقت هو 0.1 يوان لكل مليون توكين.。
في اختبارات المعيار الثلاثة، وهي Automation-Bench لقياس قدرة تنفيذ مهام الوكيل المعقد، وDeepSWE لقياس القدرة على البرمجة الحقيقية، وAgents' Last Exam (ALE) لقياس قدرات الوكيل على التشغيل الإلكتروني في سياقات حقيقية ذات قيمة اقتصادية، حقق M3.1 Flash أداءً على مستوى النماذج المتقدمة بتكلفة مهام منخفضة للغاية، مما أنشأ معيارًا جديدًا تنافسيًا للغاية بين الأداء والتكلفة.
لاحظت شركة IT之家 أن ملف Flash M3.1 قد تم إطلاقه رسميًا في MiniMax API وMPlan وMiniMax Code، وسيتم فتحه للاستخدام لاحقًا. ووفقًا للوصف الرسمي، فإن Flash هو استكشافنا المستمر لتوازن الكفاءة والقدرة، بينما سيتم إطلاق النسخة Pro التي تسعى إلى الحد الأقصى للذكاء لاحقًا أيضًا.
رجاء
إعلان الإعلانات: يحتوي النص على روابط توجيهية خارجية (بما في ذلك ولكن لا يقتصر على الروابط الفائقة، الرموز الثنائية الأبعاد، كلمات المرور، إلخ)، وذلك لتقديم معلومات أكثر، وتوفير وقت اختيار، والنتائج مجرد مرجع فقط، وتحتوي المقالات التي تحتوي على روابط خارجية في موقع IT Home على هذا الإعلان.