অফিসিয়াল বলেছেন যে এই মডেলটি এজেন্টিক টাস্ক, প্রোগ্রামিং, কম্পিউটার ব্যবহার এবং সাইবার নিরাপত্তা ইত্যাদি ক্ষেত্রে প্রজন্মগত উন্নতি অর্জন করেছে, অনলাইন ইনফারেন্স গতি প্রায় তিনগুণ বৃদ্ধি পেয়েছে এবং ব্যবহারের খরচ 70% কমেছে।লেখক, উৎস: AIBase
MiniMax 19 অক্টোবর তারিখে নতুন প্রজন্মের Flash মডেল M3.1Flash আপডেট করেছে, যার পূর্ববর্তী সংস্করণ ছিল Space Bunny, যা অ্যানোনিমাসভাবে 200T টোকেনের বেশি প্রসেসিং করেছে। অফিসিয়াল বলেছে যে এই মডেলটি Agentic টাস্ক, প্রোগ্রামিং, Computer Use এবং সাইবার সিকিউরিটির মতো দিকগুলিতে প্রজন্মগত উন্নতি আনে, যেখানে অনলাইন ইনফারেন্স গতি প্রায় 3 গুণ বৃদ্ধি পেয়েছে এবং ব্যবহারের খরচ 70% কমেছে।
M3.1Flash বেঞ্চমার্ক পারফরম্যান্সে AutomationBench-AA-এ শীর্ষে অবস্থান করে, যা SaaS সিস্টেমগুলিতে বিক্রয়, মার্কেটিং, অপারেশন, কাস্টমার সাপোর্ট, ফিন্যান্স এবং HR-এর বাস্তব ব্যবসায়িক ওয়ার্কফ্লো সম্পন্ন করতে পারে; BankerToolBench-এর স্কোর 76.2, যা একাধিক ধাপের পরিকল্পনা, ডকুমেন্টের মধ্যে সামঞ্জস্যতা, ফিন্যান্সিয়াল কমপ্লায়েন্স এবং টুলচেইন-ভিত্তিক কলিংয়ে দক্ষ।
প্রোগ্রামিংয়ে, DeepSWE v1.1 73.7% স্কোর অর্জন করে, যা শীর্ষস্থানীয় মডেলের স্তরে পৌঁছায়। এই মূল্যায়নে মডেলকে কোড বুঝতে, ফাংশনালিটি বিকাশ করতে, সমস্যা সমাধান করতে এবং পরীক্ষা ও যাচাই করতে স্বাধীনভাবে কাজ করতে হয়, যা এর দীর্ঘ-লিঙ্কড টাস্ক বাস্তবায়নের ক্ষমতাকে প্রকাশ করে।
কম্পিউটার ব্যবহারের ক্ষেত্রে, OSWorld V2 স্কোর পেয়েছে 61.7 এবং Agents' Last Exam স্কোর পেয়েছে 29.6, উভয়ই দেশীয় মডেলগুলির মধ্যে প্রথম স্থান অধিকার করেছে। সাইবার নিরাপত্তার ক্ষেত্রে, CyberGym বেঞ্চমার্কে 82% স্কোর অর্জন করেছে এবং কোড অডিট, ভুল ঠিক করা, পেনিট্রেশন টেস্টিং, ম্যালওয়্যার বিশ্লেষণ এবং রিভার্স ইঞ্জিনিয়ারিংয়ের মতো সিনেরিওগুলিতে উল্লেখযোগ্য পারফরম্যান্স দেখিয়েছে।
পারফরম্যান্সের ক্ষেত্রে, মডেলটি একটি আরও আক্রমণাত্মক স্পার্স অ্যাটেনশন আর্কিটেকচার ব্যবহার করে, যা দৈনিক ব্যবহারের ক্ষেত্রে 200+ TPS-এর বেশি আউটপুট গতি প্রদান করে এবং P50 মিডিয়ান স্থিরভাবে 170+ TPS-এ রয়েছে। মূল্যের ক্ষেত্রে, ইনপুটের জন্য প্রতি মিলিয়ন টোকেন 1 টাকা, আউটপুটের জন্য প্রতি মিলিয়ন টোকেন 4 টাকা, ক্যাশ পড়ার জন্য প্রতি মিলিয়ন টোকেন 0.1 টাকা। এজেন্টিক টাস্কগুলির সমন্বিত ব্যবহার খরচ আগের প্রজন্মের তুলনায় 70% কমেছে।
M3.1Flash এখন MiniMax API, MPlan এবং MiniMax Code এর সাথে লাইভ হয়েছে, ওজনগুলি পরে উন্মোচিত হবে। অফিসিয়ালদের মতে, এটি দক্ষতা এবং ক্ষমতার ভারসাম্যের জন্য একটি নিরন্তর অনুসন্ধান, এবং বুদ্ধিমত্তার সীমানা অনুসন্ধানের জন্য Pro সংস্করণটিও পরে ব্যবহারকারীদের সামনে আসবে। এর পারফরম্যান্স এবং খরচের মধ্যে স্থাপিত মানক, Flash-এর মডেলগুলির দক্ষতা-প্রতিস্থাপিত-ক্ষমতা পণ্য পথকে অনুসরণ করে।