A SambaCloudra érkezett a MiniMax M3.1 Flash modell

Ügynöki feladatokra készült

A SambaNova október 23-i közleménye szerint a MiniMax M3.1 Flash a MiniMax következő generációs Flash modellje. A rendszert ügynöki feladatokra, programozásra, számítógépes környezetek használatára és kiberbiztonsági munkára tervezték.

A vállalat állítása alapján a modell képességei egy generációval haladják meg az elődjéét. A SambaCloudon a modell több mint 200 token/másodperces sebességgel érhető el. A SambaNova szerint a MiniMax M3.1 Flash a bonyolult, több lépésből álló feladatokban, a szoftverfejlesztésben és a valós munkafolyamatok végrehajtásában is a vezető modellek szintjét célozza.

A modell az AutomationBench-AA teszten a legjobbak között szerepel. Ez a mérés teljes vállalati munkafolyamatokat vizsgál SaaS-rendszerekben, többek között értékesítési, marketing-, operációs, ügyfélszolgálati, pénzügyi és HR-feladatokat. A BankerToolBench teszten 76,2 pontot ért el, amely a több lépéses tervezést, a dokumentumok és fájlok közötti következetességet, a pénzügyi megfelelést és az egymásra épülő eszközhívásokat méri.

Programozásban és számítógép-használatban is tesztelték

A DeepSWE v1.1 teszten a MiniMax M3.1 Flash 73,7 százalékos eredményt ért el. A benchmark összetett szoftveres feladatokat vizsgál, amelyek során a modellnek önállóan kell megértenie egy kódbázist, funkciókat kell létrehoznia, hibákat kell javítania, majd tesztekkel ellenőriznie a munkáját.

A SambaNova közlése szerint a modell hosszú lépéssorozatokat is megbízhatóan hajt végre, ezért teljes szoftverfejlesztési munkafolyamatokban is használható. Az OSWorld V2 teszten 61,7 pontot, az Agents' Last Exam, röviden ALE, mérésén pedig 29,6 pontot szerzett. Ezek a tesztek a számítógépes műveleteket, a több alkalmazáson átívelő feladatokat, valamint valós, gazdasági értéket teremtő szakmai munkát értékelik. A közlemény szerint a modell mindkét mérésben első helyen végzett a kínai modellek között.

Kiberbiztonsági területen a CyberGym teszten 82 százalékot ért el. A MiniMax belső, biztonsági szakértők által végzett értékeléseiben a modell kódauditálásban, sérülékenységek javításában, behatolási tesztelésben, kártevőelemzésben és visszafejtésben is erős teljesítményt mutatott a vállalat szerint.

Sebesség és ár a SambaCloudon

A MiniMax M3.1 Flash az elődjénél agresszívebb ritkaságot használ, ami a SambaNova szerint 70 százalékkal csökkenti az ügynöki feladatok teljes használati költségét, az online következtetést pedig közel háromszorosára gyorsítja. A vállalat adatfolyam-architektúrája erre építve több mint 200 token/másodperces teljesítményt biztosít a SambaCloudon.

A modell ára a SambaCloudon a következő:

• Modell: MiniMax-M3.1-Flash
• Gyorsítótárazott bemeneti tokenek: 0,03 dollár
• Bemenet: 0,30 dollár egymillió tokenenként
• Kimenet: 1,20 dollár egymillió tokenenként

A SambaNova szerint az alacsony költség különösen azoknak a csapatoknak lehet fontos, amelyek éles környezetben futtatnak ügynököket, mivel egy hosszú munkafolyamat minden lépése új modellhívást jelenthet.

Meglévő hívások átirányítása

A MiniMax M3 a SambaCloudon átirányítás alatt áll a MiniMax M3.1 Flash modellre. Ez azt jelenti, hogy a MiniMax M3-at hívó kéréseket már az új modell szolgálja ki. A SambaNova azt kéri a felhasználóktól, hogy a modellazonosítót frissítsék MiniMax-M3.1-Flash értékre.

A használathoz néhány sor Python-kód elegendő a SambaNova ügyfélkönyvtárával. A közlemény példája egy olyan feladatot mutat be, amelyben a modell egy leghosszabb palindromikus részszöveget kereső függvényt ír, saját megoldását ellenőrzi, majd a feltárt problémák alapján továbbfejlesztett változatot készít. A SambaNova szerint a MiniMax M3.1 Flash kipróbálható a SambaCloud játszóterén, vagy API-kulccsal közvetlenül ügynöki alkalmazásba építhető.