10月19日のIT Houseニュースによると、Xiyu Technologyは本日、MiniMax M3.1 Flashモデルがオンラインになったと発表した。これまでに 200T を超えるトークンを匿名で処理した Space Bunny は、MiniMax M3.1 Flash の初期バージョンです。新世代のフラッシュ モデルとして、M3.1 フラッシュは、エージェント タスク、プログラミング、コンピュータの使用、およびネットワーク セキュリティ機能において世代を超えた向上を実現しました。同時に、オンライン推論の速度も 3 倍近く向上しました。使用コストが 70% 削減。
レポートによると、M3.1 フラッシュは複数のベンチマーク テストで包括的な進歩を遂げ、複雑なエージェント タスク (コワーク)、コンピュータの使用、ソフトウェア開発 (コーディング)、およびネットワーク セキュリティにおいて主要モデルのレベルに達しました。
複雑なタスクと自動化機能:
-
AutomationBench-AA の上位にランクされています。 SaaS システム全体にわたる実際のエンタープライズ ビジネス ワークフローでは、販売、マーケティング、運営、顧客サービス、財務、人事における実際の問題を完全に解決できます。
-
BankerToolBench で 76.2 点を獲得しており、複数ステップの計画、ドキュメント間/ファイル間の一貫性、金融ビジネスのコンプライアンス、ツール チェーンの呼び出しなど、実際の複雑な問題に優れています。
プログラミングおよびソフトウェア エンジニアリングのスキル:
-
DeepSWE v1.1の評価では73.7%のスコアを達成し、最上位モデルレベルに達しました。 DeepSWE は複雑なソフトウェア タスクに焦点を当てており、モデルがコードの理解、機能開発、問題の修復、テストの検証を独立して完了する必要があります。 M3.1 フラッシュは、優れたロングリンク タスク実行機能を実証し、複雑なソフトウェア開発ワークフローを低コストでサポートできます。
コンピュータの使用能力:
-
AIコンピュータの動作とアプリケーション間のタスク実行能力を測定するOSWorld V2で61.7を達成 ポイント実際の経済的に価値の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）で29.6点を獲得し、いずれのスコアでも国内モデルの中で1位となった。
-
M3.1 Flash は、実際の環境での優れたインタラクション、ツールの使用法、およびロングリンク タスクの実行機能を実証し、タスクの理解から実際の操作と配信に移行できます。
サイバーセキュリティ機能:
-
CyberGym ベンチマーク テストで 82% という高スコアを達成し、最先端の脆弱性発見および検証機能を実証しました。
-
社内のセキュリティ専門家による詳細な評価の結果、このモデルはコード監査、脆弱性パッチ適用、侵入テスト、悪意のあるコード分析、リバースエンジニアリングなどのシナリオで良好なパフォーマンスを発揮し、複雑なセキュリティシステムの構築を低コストかつ高効率でサポートできます。
エージェントティック タスクでは、モデルの総合的な使用コストが前世代モデルと比較して 70% 削減されます。入力価格は 100 万トークンあたり 1 元、出力価格は 100 万トークンあたり 4 元、キャッシュ読み取り価格は 100 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、実際の経済的に価値の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 テストにおいて、M3.1 Flash は極めて低いタスク コストでトップ モデル レベルのパフォーマンスを達成し、パフォーマンスとコストの競争力の高い新しいベンチマークを確立しました。
IT House は、M3.1 Flash が MiniMax API、MPlan、MiniMax Code で正式にリリースされ、ウェイトは後で公開される予定であることに気付きました。公式の紹介によると、Flash は効率と機能のバランスを常に模索しており、インテリジェンスの上限を追求した Pro バージョンも後ほどお届けします。
参照
広告文: 記事に含まれる外部ジャンプ リンク (ハイパーリンク、QR コード、パスワードなどを含むがこれらに限定されない) は、より多くの情報を伝え、選択時間を節約するために使用されます。結果は参考用です。外部リンクを含む IT House の記事には、この声明が含まれています。
