IT之家 10月19日の報道によると、稀宇科技は本日、MiniMax M3.1 Flashモデルを公開したと発表しました。以前、匿名で200T Tokenを処理していたSpace Bunnyは、正にMiniMax M3.1 Flashの初期バージョンです。新世代のFlashモデルであるM3.1 Flashは、エージェント型タスク、プログラミング、コンピュータ利用、ネットワークセキュリティ能力などの面で大幅な向上を遂げており、オンライン推論速度も約3倍に高速化し、使用コストは70%削減されました。
報告によると、M3.1 Flashは多くのベンチマークで全面的な進歩を遂げており、複雑なエージェントタスク（Cowork）、コンピュータの利用、ソフトウェア開発（Coding）、ネットワークセキュリティの分野で、先導モデルの水準に達している。
複雑なタスクと自動化能力：
AutomationBench-AAで最前列に位置する。SaaSシステムを横断した実際の企業業務フローにおいて、販売、マーケティング、運営、カスタマーサポート、財務、HRに関する実際の問題を完全に解決できる。
BankerToolBenchで76.2分かかり、複数段階の計画、異なるドキュメント間の一貫性、金融業務のコンプライアンス、ツールの連携呼び出しなどの実際の複雑な問題を得意としています。
プログラミングとソフトウェアエンジニアリング能力：
DeepSWE v1.1の評価で73.7%の成績を収め、トップクラスのモデル水準に達した。DeepSWEは複雑なソフトウェアタスクに焦点を当てており、モデルにはコードの理解、機能開発、問題の修正、テスト検証を独立して行うことが求められる。M3.1 Flashは長いリンクを含むタスクの実行能力が優れており、より低いコストで複雑なソフトウェア開発ワークフローをサポートすることができる。
コンピュータ利用能力：
OSWorld V2において、AIコンピュータの操作能力とクロスアプリケーションタスク実行能力を測定した結果、61.7点を得た 分真実性があり経済的価値のあるシナリオでのコンピュータ操作能力を測るALEで、29.6点を獲得し、両方の得点とも国産モデルの中で第1位となった。
M3.1 Flashは、優れたリアル環境との相互作用、ツールの利用、長いチェーンのタスク実行能力を示し、タスクの理解から実際の操作や成果の提供へと進むことができます。
ネットワークセキュリティ能力：
CyberGymのベンチマークで82％の高得点を記録し、優れた脆弱性発見と検証能力を示しています。
内部セキュリティ専門家による詳細な評価の結果、モデルはコード監査、脆弱性の修正、侵入テスト、悪意あるコードの分析、リバースエンジニアリングなどの場面で優れた性能を示し、低コストかつ高効率で複雑なセキュリティシステムの構築を支援することができる。
エージェンタルなクラスタスクにおいて、モデルの総合的な使用コストは前世代のモデルに比べて70％低減しました。価格は百万トークンあたり1元、出力価格は百万トークンあたり4元、キャッシュ読み込み価格は百万トークンあたり0.1元です。
複雑なエージェントタスクの実行能力を測定するAutomation-Bench、実際のプログラミング能力を測定するDeepSWE、そして実用的で経済的な価値があるシナリオでのコンピュータ操作能力を測定するAgents' Last Exam (ALE)の3つのベンチマークにおいて、M3.1 Flashは非常に低いタスクコストでトップクラスのモデルレベルの性能を実現し、性能とコストの間に非常に競争力のある新たな基準を確立した。
IT之家によると、M3.1 FlashはすでにMiniMax API、MPlan、およびMiniMax Codeで正式に利用可能となっており、今後さらに権限が開放される予定です。公式の説明によると、Flashは効率性と能力のバランスについての継続的な探求であり、スマートな上限を追求するPro版も後ほど公開されるとのことです。
参考
広告声明：この文章には、外部へのジャンプリンクが含まれています（ハイパーリンク、QRコード、パスワードなどを含む）。これらはより多くの情報を提供し、選択にかかる時間を節約するためのものです。結果は参考値に過ぎません。IT之家で外部リンクを含む記事には、この声明が必ず含まれています。