Сегодня мы официально представляем MiniMax M3.1 Flash.
Space Bunny 🐰, обработавший более 200 триллионов токенов в режиме анонимного использования, был ранней версией MiniMax M3.1 Flash.
Являясь Flash-моделью нового поколения, M3.1 Flash обеспечивает качественный скачок в решении агентных задач, написании кода, использовании компьютера (Computer Use) и кибербезопасности, делая онлайн-инференс почти в три раза быстрее и снижая затраты на использование на 70%.
Более широкие возможности по всем направлениям
M3.1 Flash демонстрирует улучшения в самых разных бенчмарках, достигая уровня ведущих моделей в комплексных агентных задачах (cowork), управлении компьютером, разработке программного обеспечения (кодинге) и кибербезопасности.
Комплексные задачи и автоматизация:
- M3.1 Flash входит в число лучших моделей по результатам AutomationBench-AA. Она способна выполнять реальные корпоративные рабочие процессы в различных SaaS-системах, решая практические задачи в сферах продаж, маркетинга, операций, обслуживания клиентов, финансов и HR от начала и до конца.
- Набрав 76.2 балла в BankerToolBench, модель превосходно справляется со сложными реальными задачами, такими как многошаговое планирование, поддержание согласованности между документами и файлами, финансовый комплаенс и цепочки вызовов инструментов.
Программирование и разработка ПО:
- Модель набирает 73.7% в DeepSWE v1.1, что ставит её в один ряд с ведущими моделями. DeepSWE фокусируется на сложных программных задачах, требующих от моделей самостоятельного понимания кода, разработки функций, исправления ошибок и проверки своей работы с помощью тестов. M3.1 Flash демонстрирует высокую эффективность при выполнении длинных последовательностей шагов, поддерживая сложные рабочие процессы разработки ПО с меньшими затратами.
Использование компьютера (Computer Use):
- Модель набирает 61.7 балла в OSWorld V2, измеряющем работу ИИ за компьютером и выполнение межприложенческих задач, и 29.6 балла в тесте Agents’ Last Exam (ALE), который оценивает производительность при выполнении реальной профессиональной работы и сложных задач. Она занимает первое место среди китайских моделей в обоих бенчмарках.
- M3.1 Flash демонстрирует широкие возможности взаимодействия с реальной средой, использования инструментов и выполнения длинных последовательностей задач, переходя от понимания задачи к совершению действий и получению результатов.
Кибербезопасность:
- Модель достигает высокого результата в 82% на платформе CyberGym, демонстрируя передовые возможности в обнаружении и проверке уязвимостей.
- В ходе углубленных оценок нашими внутренними экспертами по безопасности модель показала отличные результаты в аудите кода, исправлении уязвимостей, тесте на проникновение, анализе вредоносного ПО и обратной разработке, обеспечивая эффективную и недорогую поддержку при создании сложных систем безопасности.
Мы дополнительно оптимизировали эффективность инференса M3.1 Flash за счет более агрессивной разреженности (sparsity). При повседневном использовании скорость вывода может достигать 200+ TPS (токенов в секунду), а медианная скорость (P50) стабильно держится на уровне 170+ TPS.
Ценообразование: максимальная экономичность
Для агентных задач общая стоимость использования модели на 70% ниже, чем у ее предшественницы.
Фиксированная цена за 1 млн токенов: $0.15 за ввод · $0.60 за вывод · $0.015 за кэшированный ввод.
Переосмысление возможностей и стоимости агентных задач
В трех бенчмарках — Automation-Bench для выполнения сложных агентных задач, DeepSWE для реального программирования и Agents’ Last Exam (ALE) для использования компьютера при решении реальных задач, имеющих экономическую ценность, — M3.1 Flash обеспечивает производительность на уровне лучших моделей при очень низкой стоимости выполнения задач, устанавливая новый, чрезвычайно конкурентоспособный стандарт эффективности и цены.
M3.1 Flash теперь доступна через MiniMax API, M Plan и MiniMax Code. Веса модели будут выпущены позже.
Загрузите MiniMax Code для компьютера: https://agent.minimax.io/download
Доступ к API: platform.minimax.io
Flash отражает наше постоянное стремление к поиску баланса между эффективностью и возможностями. Модель Pro, которая раздвигает границы интеллекта, также появится позже.
Интеллект для каждого.
