المؤلفة: 吴海明 李娜
التحرير: 李娜
لم يمضِ وقت طويل على أن رفعت DeepSeek معيار الجدارة بالتكلفة لـ Flash المحلية خطوة إلى الأمام، حتى جاءت MiniMax مطاردةً مع "الأرنب الفضائي" الذي كشفت اسمه.
في 10 من الشهر 17، حدّثت DeepSeek، التي أطلق عليها المستخدمون مازحين اسم "السمكة الدهنية الكبيرة"، إصدارها V4.1 Flash-1017؛ وبعد يومين فقط، أعلنت MiniMax رسميًا عن إطلاق M3.1 Flash، وأكدت أنها صاحبة النموذج المجهول Space Bunny الذي لفت انتباه مجتمع المطوّرين سابقًا. وبظهور نموذجَي Flash المحليين بالتتابع، بدأ المستخدمون يتبادلون النكات عن "السمكة الدهنية الكبيرة" و"الأرنب الفضائي".
لكن هذه المرة، لم تأتِ MiniMax للتنافس في السعر فقط.
وفقًا لبيانات تقييم النماذج المعلنة هذه المرة،احتل M3.1 Flash المركز الأول في المقارنة المعقدة لمهام الوكلاء (Agent) على Automation-Bench، وتقاسم المركز الأول مع Opus 5 على BankerToolBench، وجاءت جدارته بالتكلفة في البرمجة (Coding) بعد DeepSeek مباشرة. وبتحديث النموذجين المحليين بالتتابع، يحافظ أحدهما على التقدم في هندسة البرمجيات، بينما قدّم الآخر نتائج أفضل في مهام الوكلاء المعقدة.
على مجموعة بيانات Automation-Bench، تحقق M3.1 Flash أفضل جدارة بالتكلفة في توزيع تكاليف المهام
وأجرينا أيضًا مهمة عملية بـ M3.1 Flash: قدّمنا للنموذج مخططًا مرسومًا يدويًا وجدولًا بأبعاد المباني، وطلبنا منه بناء حرم جامعي 3D قابل للتفاعل داخل المتصفح من الصفر.
من حيث النتائج، أكمل كلا الحلين المتطلبات الرئيسية للتسليم، لكن MiniMax Code＋M3.1 Flash استغرق 55.4 دقيقةبينما استغرق OpenCode＋DeepSeek V4.1 Flashحوالي 121 دقيقة. وبحسب تسعير واجهة البرمجة (API) المعتمد في هذا الاختبار، بلغت تكلفة النموذج لدى الطرفين حوالي 6.5 يوانًا.
وبنفس التكلفة القليلة للنموذج، وفّرت MiniMax حوالي 65 دقيقة.
01
الأرنب الفضائي يكشف هويته،
فأين تكمن قوة MiniMax هذه المرة؟
قبل الكشف الرسمي عن هويته، كان Space Bunny قد ترك بعض أثره في مجتمع المطوّرين.
كشفت OpenRouter أنه تصدر منصةً في حجم استخدام النماذج لمدة 10 أيام متواصلة، وجمع ما مجموعه 56.7T توكن. وأكدت MiniMax هذه المرة أن هذا النموذج المجهول عالج ما يزيد عن 200T توكن خلال الاختبارات والاستخدام ذات الصلة.السرعة العالية،هي الانطباع الذي تركه لدى العديد من المطوّرين سابقًا.
وعرض المطوّر Hassan على منصة X مقارنةً بديعة: طلب من M3.1 Flash ومن Claude Opus 5.5 إنشاء صفحة هبوط لإطلاق منتج مادي، وكان التصميم الذي قدّمته MiniMax مرضيًا له للغاية، بينما بلغت فاتورتَاهما 0.014 دولارًا و1.22 دولارًا فقط. وفي هذا الاختبار، كان وقت إنجاز MiniMax أسرع بنحو 4 مرات.
بالطبع، لا يمكن لاختبار مطوّر واحد أن يمثل المستوى العام للنموذج. لكن ما يستحق الانتباه بشأن MiniMax هذه المرة يشمل أيضًا النتائج في التصنيفات التي حققها بعد الإطلاق الرسمي.
حتى 10 من الشهر 20، في تصنيف Artificial Analysis (AA)، بلغ مؤشر الذكاء لدى M3.1 Flash 43 نقطة، بينما بلغ 29 نقطة لدى الجيل السابق M3، بتحسن يقارب الخمسين في المئة. وفي الوقت نفسه، انخفض متوسط تكلفة النموذج الموزونة بالمهام من 0.51 دولارًا إلى 0.22 دولارًا.بمعنى آخر، ارتفعت النقاط بينما انخفضت تكلفة إنجاز المهام بأكثر من النصف.
حقق M3.1 Flash 43 نقطة في تصنيف AA، ليتصدر صفوف النماذج العالمية
لكن، إذا أردنا حقًا مقارنة القوى مع DeepSeek V4.1 Flash-1017 المحدَّث قبل يومين، فإن كلًا من النموذجين حقق تفوقًا في جوانب معينة.
في معيار هندسة البرمجيات DeepSWE v1.1، حققت DeepSeek نسبة 77.0%، بينما حققت M3.1 Flash نسبة 73.7%. ورغم أن الفجوة ما زالت قائمة، فإن الأخيرة أصبحت ضمن نطاق نتائج قريب من Opus 5 (74.0%) وGPT-5.6 Sol (73.0%). ووفقًا للمقارنة المعلنة هذه المرة للقيمة مقابل السعر في البرمجة، جاءت DeepSeek في المركز الأول، تلتها MiniMax مباشرة.
لكن عند الانتقال إلى مهام الوكلاء المعقدة التي ركزت عليها MiniMax هذه المرة، انعكس الوضع. في مقارنة النماذج المنشورة هذه المرة على Automation-Bench v1.0.6، تفوقت M3.1 Flash على DeepSeek وحلّت في المركز الأول؛ بينما حصلت على 76.2% في BankerToolBench، متعادلة مع Opus 5 في المركز الأول. إضافة إلى ذلك، حققت أيضًا نتيجة 82.2% في معيار الأمن السيبراني CyberGym.
صورة: بيانات لوحة نتائج التقييم
محتوى اختبارات Automation-Bench قريب أيضًا من العمل الفعلي. فقد بُني من قبل منصة أتمتة SaaS وهي Zapier، ويتضمن 600 مهمة من عمليات الأعمال الحقيقية للمؤسسات، تغطي سيناريوهات المبيعات والتسويق والعمليات وخدمة العملاء والمالية والموارد البشرية وغيرها. وعلى عكس مجرد توليد مقطع برمجي، تختبر مثل هذه المهام قدرة النموذج على استدعاء الأدوات بشكل متتابع بين أنظمة مختلفة وإنجاز المهمة من البداية إلى النهاية. أما BankerToolBench فيحوّل السيناريوهات إلى أعمال مالية، ويتطلب مستوى أعلى في التخطيط متعدد الخطوات ومعالجة المعلومات عبر المستندات واستدعاء الأدوات.
من هذه الزاوية، لا داعي لأن تتعجل DeepSeek وMiniMax في حسم لقب البطولة الإجمالية.في البرمجة، لا تزال DeepSeek تتمتع بالأفضلية؛ أما في مهام الوكلاء المعقدة، فقد انتعشت MiniMax وجاءت بردها. وبالنسبة للمطورين، فإن Flash المحلية أصبحت تقدم خيارًا إضافيًا قويًا.
والأهم من ذلك، إلى جانب هذا التحسن في النتائج، تكلف M3.1 Flash ما يعادل 1 يوان لكل مليون Token في المدخلات، و4 يوانات في المخرجات، و0.1 يوان فقط لقراءة الذاكرة المؤقتة. مقارنة بالجيل السابق M3، انخفضت أسعار المدخلات والمخرجات بنحو النصف، وانخفض سعر قراءة الذاكرة المؤقتة بنحو 75%؛ وبالمقارنة مع DeepSeek V4.1 Flash-1017، فإن أسعار المدخلات والمخرجات لديها تعادل نصف أسعار الذروة لدى الأخيرة وتوازي أسعار أوقات الانخفاض، علاوة على أنها لا تفرق بين الذروة والانخفاض على مدار اليوم.
بعد الإعلان عن الأسعار، بدأ البعض في قسم التعليقات بالمزاح على حساب DeepSeek: "MiniMax الأشهر هو من يتحدث عن القيمة مقابل السعر، وبهذا السعر ماذا يريد إلا سمكة كبيرة سمينة، أليس كذلك؟"
وأعرب مستخدم قديم عن رأيه بشكل أكثر مباشرة: "دعنا لا نتحدث عن مدى قوتها، لكنها على الأقل بعد هذا التأخر الطويل أصبحت أخيرًا تواكب العصر."
ولا يتجاوز المزاح حدوده، لكن هذين الصوتين يعكسان تمامًا وضع MiniMax هذه المرة. في الماضي، حين كان الخارجيون يتحدثون عن نماذجها النصية، كان السعر غالبًا أكثر إثارةً للنقاش من القدرات، أما هذه المرة فقد حصلت M3.1 Flash على الأقل على بطاقة نتائج يمكن مقارنتها وجهاً لوجه بالنماذج السائدة.لم يعد السعر المنخفض هو نقطة البيع الوحيدة، وأصبحت MiniMax أخيرًا تملك الفرصة ليتحدث المطورون في آن واحد عن قدراتها وعن قيمتها مقابل السعر.
02
اختبار عملي: عند بناء حرم جامعي ثلاثي الأبعاد (3D)،
وفّرت MiniMax حوالي 65 دقيقة
كان للنموذجين Flash المصنفين في القائمة نتائج متفاوتة، فكلّفناهما بنفس المهمة العملية: بناء حرم جامعي ثلاثي الأبعاد (3D) قابل للتفاعل في المتصفح انطلاقًا من رسم تخطيطي مرسوم يدويًا لمخطط الحرم وجدول بأبعاد المباني، بدءًا من الصفر.
المواد المقدمة في المهمة كانت رسمًا تخطيطيًا مرسومًا يدويًا لمخطط الحرم الجامعي وجدولًا بأبعاد المباني، مع اشتراط إكمال تخطيط الحرم وفحص التعارضات، وكتابة سكربت Blender للنمذجة، مع الاحتفاظ بالملفات المصدرية القابلة للتعديل وتصديرها بصيغة GLB، ثم إنشاء صفحة ويب تفاعلية باستخدام Three.js تدعم اختيار المباني وعرض التفاصيل وتحديد موقع الكاميرا ومحاكاة الوقت.
استُخدم في الاختبارين على التوالي MiniMax Code＋M3.1 Flash وOpenCode＋DeepSeek V4.1 Flash، وشغّلا في نفس البيئة المحلية.
الرسم التخطيطي المرسوم يدويًا لمخطط الحرم الجامعي وجدول بيانات أبعاد المباني
▎الطرفان سلّما المهمة، وتفاصيل التفاعل لدى MiniMax أغنى
بالنظر إلى نتائج التسليم أولًا، فإن الحلين أكملَا المتطلبات الرئيسية، لكن طريقة عرض الصفحة اختلف بينهما.
DeepSeek تميل أكثر إلى عرض بيانات المباني، إذ نظّمت المعلومات عبر قائمة على اليسار ولوحة تفاصيل على اليمين وشريط تمرير زمني في الأسفل؛ أما MiniMax فوضعت رقم المبنى ومعلومات الموقع وتبديل زاوية الرؤية في مواضع أكثر بروزًا، وعند النقر على مبنى يظهر مخطط تحديد برتقالي مع بطاقة عائمة، مما يجعل العلاقة بين المشهد وبيانات المباني أكثر وضوحًا.
احتفظ الطرفان بالملفات المصدرية القابلة للتعديل، كما اجتازت نماذج GLB المصدَّرة التحقق من أرقام المباني الستة. وفي هذه المهمة على وجه الخصوص، قدّم الحلان مشروعًا قابلًا للتشغيل وقابلًا للتعديل لاحقًا.
▎بنفس التكلفة تقريبًا 6.5 يوان، سلّمت MiniMax مهمتها قبل ساعة
الفارق الحقيقي تكمن في الوقت.
وفقًا لإحصاءات الجلسة المحلية، استغرقت مجموعة MiniMax 55.4 دقيقة، بينما استغرقت مجموعة DeepSeek حوالي 121 دقيقة. وفّرت الأولى حوالي 65 دقيقة، أي ب缩短 مدة الجلسة بنسبة 54%.
فواتير النماذج لدى الطرفين لم تكاد تختلف. ووفقًا للأسعار الرسمية لواجهة API المُتحقق منها في 20 أكتوبر، بلغت تكلفة النموذج لمهمة MiniMax هذه حوالي 6.50 يوان، بينما بلغت تكلفة DeepSeek وفق أسعار الذروة حوالي 6.52 يوان. كما بلغ معدل إصابة ذاكرة التخزين المؤقت في تشغيل MiniMax هذه 98.1%، مما ساعدها في إبقاء تكلفة الاستدعاءات المتتالية متعددة الجولات عند مستوى منخفض.
في ظل اكتمال متطلبات التسليم الرئيسية وتقارب تكاليف النماذج، أنجزت MiniMax العمل الذي استغرقت مجموعة DeepSeek حوالي ساعتين فيه في أقل من ساعة. بالنسبة لوكيل Agent يحتاج إلى استدعاء أدوات بشكل متكرر وتعديل الشيفرة مرارًا وتكرارًا، فإن توفير ساعة من الانتظار يمثل في حد ذاته ميزة عملية كبيرة.
03
بدأ Flash يزاحم النماذج الرائدة،
وحرب الأسعار تمتد إلى تكلفة المهام
في الماضي، كان يُنظر إلى Flash غالبًا كبديل رخيص للنماذج الرائدة.
فمع المحدودية في الميزانية وبساطة المهام، كان المطورون يُعطون الأولوية لـ Flash؛ أما عند مواجهة هندسة برمجيات معقدة أو مهام متعددة الخطوات، فكانوا يعتادون تسليمها إلى النماذج الرائدة الأكثر قدرة. لكن مع التحديثات المتتالية من DeepSeek وMiniMax، بدأ هذا الاختيار يتغير.
وخاصة في سيناريوهات الـ Agent، حيث يحتاج النموذج إلى قراءة الملفات مرارًا واستدعاء الأدوات وتعديل الشيفرة ومعالجة الأخطاء. قد تستمر مهمة واحدة عشرات الدقائق أو حتى ساعات، وما يهم المطور هوكم من الوقت والتكلفة تحتاج المهمة بأكملها حتى تكتمل.
ومقارنة التكلفة في اختبار ALE التي نشرتها MiniMax هذه المرة توفر مثالًا واضحًا على ذلك.
من بين 152 مهمة في المجموعة الكاملة لاختبار ALE-v1 Overall، بلغ معدل نجاح M3.1 Flash 29.6%، مع تكلفة نموذج تقديرية للمجموعة الكاملة حوالي 739 يوان؛ أما GPT-5.6 Sol ذو معدل النجاح المشابه (حوالي 30.6%) فكانت تكلفته المقابلة حوالي 5000 يوان.
مخطط تكلفة ALE
يختلف معدل إنجاز الطرفين في هذا الاختبار بنحو 1 نقطة مئوية فقط، لكن تكلفة النماذج تختلف بقرابة 7 أضعاف.
بالطبع، فإن معدل نجاح 29.6% يوضح أن M3.1 Flash لا يزال بعيدًا عن مستوى يتيح له استبدال النماذج الرائدة بشكل شامل، فعند الاستخدام الفعلي ما يزال من الضروري احتساب تكلفة إعادة المحاولات الفاشلة والمراجعة البشرية. لكن بالنسبة لجزء من المهام المعقدة، أصبح لدى المطورين سبب لتجربة Flash أولًا، بدلًا من استدعاء النموذج الأعلى سعرًا منذ البداية.
وستطلق MiniMax لاحقًا إصدار Pro الساعي إلى سقف ذكاء أعلى. وفي الوقت نفسه، بدأ تأثير Flash على النماذج الرائدة يظهر:فالأعمال التي كانت تتطلب استدعاء النماذج الرائدة في الماضي، أصبح جزء منها الآن يمكن تسليمه إلى Flash الأقل سعرًا. (موقع Lei Feng من شبكة Lei Feng (الحساب الرسمي: Lei Feng))
مقال أصلي من شبكة Lei Feng، ويُمنع إعادة نشره دون إذن. لمزيد من التفاصيل، راجعشروط إعادة النشر。