标签
宣布推出开源SOTA视频生成模型MiniMax H3,具备商业级生成能力、无与伦比的成本效益以及开放权重。
对 Qwen 3.7 Max Preview、Minimax M3 和 OpenAI 5.6 Sol 三个模型的对比分析,探讨了它们的相对优劣势。
一位开发者使用 MiniMax AI 的 M3 模型构建了一个工具,能够在单个提示中分析整个 GitHub 仓库,生成代码健康报告和检测漏洞。该工具成功处理了 react 的 780k token 代码库,仅花费 0.23 美元。
用户分享了在运行MiniMax M2.7 REAP 139B Q3_K_L模型时,6块AMD MI50(96GB)与6块NVIDIA P40(144GB)的基准测试对比结果,显示P40在提示处理(prompt processing)方面更快,而MI50在令牌生成(token generation)方面更快。
Minimax 计划发布一个巨大的 2.7 万亿参数的 AI 模型,这将是迄今为止最大规模的模型之一。
MiniMax计划推出一款2.7万亿参数的大语言模型,内部代号M3 Pro,预计将于第三季度开源,其规模远超当前的M3模型。
一个详细的家庭实验室搭建方案,配备6块P40 GPU运行量化后的MiniMax M2.7模型,包含硬件规格、基准测试结果以及使用llama.cpp的最佳配置。
这种教育考核方式鼓励学生探索 Claude、DeepSeek 和 MiniMax 三个模型的长处与短板,出题难倒AI,从而培养批判性思维和AI时代所需的竞争力。
本文评测了在双Strix Halo(256GB显存)上运行GLM 5.2(IQ2M量化版本)的性能,生成速度仅约7 token/s,编码任务耗时是DeepSeek V4 Flash的两倍,性价比远不如其他模型,因此不建议在此硬件配置下使用。
现在有了适用于 llama.cpp 的 MiniMax M3 EAGLE 草稿模型的 GGUF 转换,可在兼容硬件上实现推测解码加速。
MiniMax Sparse Attention (MSA) 通过增加一个路由分支,选择性选择键值块进行注意力计算,在100万token时实现了注意力计算量最高减少28.4倍,在H800 GPU上实现了14.2倍更快的预填充和7.6倍更快的解码,同时匹配全注意力基准性能。
一个对 vLLM 的拉取请求为 MiniMax M3 增加了张量并行度 3 的支持(使用其 NVFP4 量化),使得该模型可以在 3 台 DGX Sparks(每台 87GB 显存)上运行。
Minimax 的这篇论文介绍了 MiniMax Sparse Attention,它向 GQA 添加了一个微小的索引分支,用于为每组选择 top-k KV 块,从而实现 GPU 原生的稀疏性,并在一个 109B 多模态 MoE 上实现了指数级的加速。
MiniMax M3 模型现已在 HuggingChat 上可用,这是一个支持 Artifacts 的开源 AI 聊天应用。
本周测试的免费AI工具评测,包括Claude、MiniMax Agent、K2Think、Indic LLM Arena和Together.ai playground,诚实评估其能力和局限性。
MiniMax的涨价和模型限制正在将用户推向DeepSeek等竞争对手以及Claude或ChatGPT等高端选项,颠覆了其先前作为廉价、可用日常工具的声誉。
MiniMax 开源了四个 AI 文档生成技能(PPT、PDF、Excel、Word),无需 API Key 即可使用,旨在解决 AI 生成文档格式混乱、公式错误等问题。