MiniMax द्वारा M3 मॉडल के लॉन्च से वैश्विक ध्यान आकर्षित हुआ, जिस पर Vercel के CEO ने सार्वजनिक रूप से समर्थन व्यक्त किया, लेकिन घरेलू समुदाय में कीमत समायोजन को लेकर विवाद है। डेवलपर्स ने ब्लाइंड टेस्ट और रियल-वर्ल्ड टेस्ट के माध्यम से M3 की क्षमता की पुष्टि की, जिसके परिणामस्वरूप यह पाया गया कि इसकी कोड जनरेशन क्षमता Claude Opus 4.8 के समान है और कई बेंचमार्क परीक्षणों में वैश्विक टॉप 10 में स्थान प्राप्त किया, जिससे यह ओपन-सोर्स मॉडल में सबसे मजबूत हो गया। मॉडल MiniMax Sparse Attention के नए आर्किटेक्चर का उपयोग करता है, जिससे 100 लाख कंटेक्स्ट के साथ कैलकुलेशन की मात्रा पहले की तुलना में 1/20 तक कम हो गई। MiniMax ने Agent Team फीचर को भी साथ ही लॉन्च किया, जिसमें Leader, Worker, Verifier तीन प्रकार के Agents सहयोग से कार्य करते हैं। मॉडल के वेट्स और पूर्ण तकनीकी रिपोर्ट 10 दिनों के भीतर ओपन-सोर्स होंगे, और वैश्विक डेवलपर्स इसका प्रायोगिक परीक्षण करेंगे।
लेखक, स्रोत: न्यूज़िज़यन
New Zhijian Yuan द्वारा रिपोर्ट
【न्यू एआई डायरेक्शन】सिलिकॉन वैली के बड़े नेता समर्थन कर रहे हैं, लेकिन समुदाय झगड़ रहा है। क्या MiniMax M3 वास्तविक परीक्षा का सामना कर पाएगा? वैश्विक डेवलपर्स पहले ही इसका उपयोग कर रहे हैं।
हाल ही में, घरेलू और विदेशी दोनों में एक ही मॉडल ने सभी को भर दिया।
540 लाख फॉलोअर्स के साथ, Vercel के सीईओ गिलेर्मो रॉच ने अत्यंत दुर्लभ रूप से सार्वजनिक रूप से समर्थन व्यक्त किया।
उनके द्वारा सुझाया गया, पूरी तरह से चीन से आया मॉडल है — MiniMax M3।
हालांकि, इसी M3 के खिलाफ भी काफी आलोचना हो रही है, और कई देशी समुदायों के कमेंट सेक्शन में सीधे हंगामा मच गया है।
बहुत सारी टिप्पणियों की आलोचना टोकन योजना के मूल्य समायोजन पर केंद्रित है। कई पुराने उपयोगकर्ता महसूस करते हैं कि उनके अधिकार कम हो गए हैं, और बहुत उबल रहे हैं।
और विदेशी समुदाय का शैली, देशी से पूरी तरह अलग है।
कुछ विदेशी डेवलपर्स M3 के आर्किटेक्चर पैरामीटर, स्पार्स अटेंशन मैकेनिज़म और ट्रेनिंग डेटा साइज़ का अनुमान लगा रहे हैं।
उदाहरण के लिए, X पर एक यूजर रोहन कहते हैं कि केवल कीमत देखने का कोई मतलब नहीं है, हालांकि लागत भी महत्वपूर्ण है, लेकिन वह जानना चाहते हैं कि मॉडल कैसे गलतियाँ करता है और एजेंट सिस्टम में इसका वास्तविक प्रदर्शन कैसा है।
एक अन्य यूजर ने अधिक सीधे तरीके से कहा, "M3 एक ओपन सोर्स मॉडल के रूप में Opus और GPT-5 के साथ चलते रहना पहले से ही बहुत शानदार है, लेकिन मैं इन प्रचारों पर विश्वास करने से पहले, मुझे इसका लाइव प्रदर्शन देखना होगा।"
इन बाहरी प्रतिक्रियाओं के सामने, मिनीमैक्स ने तुरंत प्रतिक्रिया दी और उसी दिन क्षतिपूर्ति योजना जारी की: पुराने उपयोगकर्ताओं को उनके मूल अधिकार बनाए रखे जाएंगे, और नए उपयोगकर्ताओं को साप्ताहिक सीमा में 50% की अतिरिक्त राशि दी जाएगी।
कीमत का मुद्दा सुलझ गया, अब सबसे महत्वपूर्ण प्रश्न है: M3 वास्तविक रूप से मजबूत है, या केवल "रैंकिंग फ्रॉड" का भ्रम है?
72 घंटे
एक वैश्विक डेवलपर्स को घेर लेने वाला "हार्डकोर इंस्पेक्शन"
M3 के वास्तविक प्रदर्शन की पुष्टि के लिए, डेवलपर विक्टोरिया वू ने एक ही प्रॉम्प्ट (AI को एक साइकिल चला रहे पेलिकन की एनिमेशन बनाने के लिए कहना) को M3, Sonnet 4.6 और Opus 4.8 को अलग-अलग दिया।
फिर, तीन परिणामों को A, B, C के रूप में चिह्नित करें और ऑनलाइन उपयोगकर्ताओं को अनुमान लगाने दें कि कौन सा M3 है।
कमेंट सेक्शन में लगभग सभी का मानना है, 'A बहुत चिकना था, निश्चित रूप से Opus है', 'M3 शायद B या C है'.
परिणाम घोषित। A, M3 है।
इसी तरह, डेवलपर JAZII ने भी एक ब्लाइंड टेस्ट स्तर का नियंत्रण प्रयोग किया।
उसने पूरी तरह समान प्रॉम्प्ट का उपयोग किया, जिसमें मॉडल को HTML में Three.js का उपयोग करके माइनक्राफ्ट का एक क्लोन बनाने के लिए कहा गया, प्रतियोगी M3 और Opus 4.8 थे।
हालाँकि M3 थोड़ा अधिक समय लेता है, लेकिन अंतिम कोड निष्पादन पर, JAZII ने दो शब्द दिए: 「Super close」।
बाएं ओर M3 है, दाएं ओर Opus 4.8 है, क्या आपने सही अनुमान लगाया?
X पर चीनी डेवलपर 'शिजिये मिनली' ने M3 की मल्टीमॉडल और एजेंटिक कोडिंग क्षमताओं को अधिकतम तक दबा दिया और M3 का उपयोग करके एक 'फानरेन शूक्सियान जुआन' हस्ताक्षर युद्ध गेम बना लिया।
इस प्रक्रिया के दौरान, M3 को जटिल दृश्य हस्ताक्षरों को समझना और अत्यंत लंबी दूरी के तर्क कोड को लिखना होता है। एक पूरी प्रक्रिया पूरी करने पर, Token की खपत केवल Claude Sonnet की 20% है।
AI मूल्यांकनकर्ता थॉमस वीगोल्ड, जो हमेशा कठोरता के लिए जाने जाते हैं, ने तुरंत एक 3000 शब्दों की वास्तविक परीक्षण रिपोर्ट जारी की।
उन्होंने M3 के बारे में कहा: "यह मेरे द्वारा इस साल टेस्ट किया गया सबसे दिलचस्प मॉडलों में से एक है।"
पिछली बार चीनी मॉडल ने सिलिकॉन वैली में हलचल मचाई थी, जब छह महीने पहले DeepSeek V4 का लॉन्च हुआ था।
और इस बार, मिनीमैक्स M3 द्वारा लाया गया झटका अधिक त्रिआयामी प्रतीत होता है।
50 पृष्ठों का पेपर डाल दें, M3 खुद ही इसे अलग कर देगा
केवल दूसरों के परीक्षण को देखकर खुश नहीं हो सकते। हमने खुद हाथ आजमाया और मॉडल को सबसे ज्यादा दबाव देने वाले दो सवाल चुने।
पहला, 50 पृष्ठों की डीपसीक-वी3 तकनीकी रिपोर्ट है। चार्ट्स से भरी हुई, सूत्र और झूठे कोड एक साथ, जानकारी का घनत्व अधिकतम है।
सबसे पहले, M3 को «निचले स्तर के संचार और गणना का ओवरलैप» पर एक कारण-परिणाम तकनीकी श्रृंखला तैयार करनी चाहिए, ताकि यह इस पेपर में सबसे अधिक तकनीकी इंजीनियरिंग तर論 को स्पष्ट कर सके।
M3 ने 15 बार सोचा, 19 आदेश निष्पादित किए और 1 उपकरण का उपयोग किया।
इसने DualPipe शेड्यूलिंग स्ट्रैटेजी के पूरे इम्प्लीमेंटेशन पाथ को स्पष्ट रूप से विभाजित कर दिया, जिसमें कोई लॉजिकल ब्रेक नहीं है।
देखने के लिए ऊपर-नीचे स्वाइप करें
अगला परीक्षण M3 की बहुआयामी क्षमता होगा।
एक MLA स्ट्रक्चर डायग्राम अपलोड करें, फिर मॉडल से उस डायग्राम में डायनेमिक स्केड्यूलिंग और प्रोजेक्शन प्रक्रिया को टेक्स्ट में किन गणितीय सूत्रों से मेल खाते हुए ढूंढने का अनुरोध करें।
M3 ने जल्दी ही संबंधित व्याख्या प्रदान की, जो सटीक रूप से मेल खाई।
कठिनाई और बढ़ रही है। यदि चित्र में किसी स्थान पर बनी रेखा वास्तव में पाठ के वर्णन में छिपी गहरी छुपी हुई सीमा को दर्शाती है, तो M3 को उसकी चित्र में दृश्य स्थिति बतानी है और पीछे के कारण की व्याख्या करनी है।
M3 ने MLA आर्किटेक्चर डायग्राम पर सीधे टिप्पणियाँ जोड़ीं और तीनों प्रतिबंधों का विस्तृत विश्लेषण प्रस्तुत किया।
2 घंटे की GTC स्पीच, M3 सीधे प्रकाशित
दूसरा प्रश्न कठिनाई बढ़ा दिया गया है, न केवल समझना होगा बल्कि लिखना भी होगा।
इस बार का मटेरियल निविडा GTC कॉन्फ्रेंस का 1 घंटा 57 मिनट का पूर्ण थीम स्पीच था, जिसे लेखन मानदंडों के साथ मिलाकर M3 को सब कुछ एक साथ दे दिया गया।
एक प्रॉम्प्ट, वीडियो देखें, नियमों के अनुसार 3000-40000 शब्दों की गहन रिपोर्ट तैयार करें।
1.15GB के मूल वीडियो के सामने, सामान्य AI उपकरण अधिकांशतः त्रुटि के साथ बाहर हो जाएंगे।
लेकिन MiniMax Code सिस्टम-लेवल टूलकिट के समर्थन में, M3 ने तुरंत समाधान खोज लिया—
ffmpeg का उपयोग करके संपीड़न और टुकड़ों में काटना पूरा किया गया, जिससे खुद के लिए एक कार्यरत मार्ग बनाया गया।
12 सेक्शन खत्म करने के बाद, M3 ने एक शानदार सामग्री सूची प्रस्तुत की।
समय अंकन मिनट तक सटीक है, और चित्र के विवरण अत्यंत सूक्ष्म हैं।
लाओ हुआंग पर पहनी गई छिलके वाली काली चमड़े की जैकेट, पैंट की जेब से N1X चिप निकालकर सिर के ऊपर 15 सेकंड तक उठाए रखने का क्लोज-अप, और वेरा रुबिन के वास्तविक मॉडल को पर्दे पर लाते समय किया गया टिप्पणी “शायद पीछे 2000 लोग पेशाब कर रहे हैं” — सभी शामिल हैं।
उसने लॉ हुआंग द्वारा अचानक कही गई वह चीनी वाक्यांश “बहुत सारी चीजें” भी नहीं छोड़ी।
और इससे भी ज्यादा, M3 ने अपने द्वारा पूरे इवेंट के सबसे शक्तिशाली तीन बिंदुओं को उजागर किया, जिनमें से प्रत्येक के लिए उसने अपना निर्णय का कारण दिया।
सामग्री सूची की पुष्टि के बाद, M3 ने लिखना शुरू कर दिया।
शुरुआत बुजुर्ग हुआंग के जेब से पैसे निकालने के दृश्य से होती है, और अंत में इस बात पर जोर दिया जाता है कि 'इस उद्योग के मालिक, अब इंसानों से एजेंट्स में बदल रहे हैं।'
मसौदा 3500 शब्द, 40 मिनट में सबमिट करें।
हालांकि यह हमारे प्रकाशन स्तर तक नहीं पहुंचा है, लेकिन यह पर्याप्त गुणवत्ता का एक शुरुआती बिंदु प्रदान करता है।
दो घंटे के वीडियो को मल्टीमॉडल द्वारा देखने के बाद, लंबे संदर्भ द्वारा सभी सामग्री + लेखन मानदंड + नमूना एक ही विंडो में शामिल किए जाते हैं, और एजेंट क्षमता किसी भी समस्या का समाधान करती है।
M3 की तीन प्रमुख क्षमताएँ इस कार्य में पूरी तरह से सीमा तक दबा दी गई हैं, जिनमें से कोई भी एक नहीं होगी तो यह संभव नहीं होगा।
12 मॉडल के रिपोर्ट कार्ड, M3 ने खुद एक पैनोरमिक चित्र बनाया
तीसरा प्रश्न एक अलग दिशा में होगा, लंबे पाठ की जगह चित्र पढ़ने, इंटरनेट का उपयोग करने और इंजीनियरिंग करने पर आधारित होगा।
प्रत्येक मॉडल जारी करते समय एक बेंचमार्क तुलना चित्र प्रकाशित करता है, लेकिन इसका फॉर्मेट अलग-अलग होता है—टेबल, बार ग्राफ, रडार ग्राफ—और डेटा की परिभाषा भी समान नहीं होती।
क्रॉस-कम्पेरिसन करने के लिए, आपको खुद हर एक फोटो पलटनी पड़ेगी और हर सेल की तुलना करनी पड़ेगी, जो बहुत दुखद है।
इस बार, M3 को विभिन्न मॉडल के आधिकारिक ब्लॉग और तीसरे पक्ष के मूल्यांकन प्लेटफॉर्म से दस बेंचमार्क स्क्रीनशॉट सीधे दिए जाते हैं, ताकि यह सभी ग्राफ़ को समझ सके, ऑनलाइन जुड़कर अनुपलब्ध डेटा को पूरा कर सके, मानदंडों को समान बना सके, और एक इंटरएक्टिव तुलनात्मक डैशबोर्ड बना सके।
M3 पहले स्क्रीनशॉट में मॉडल के नाम और स्कोर को धीरे-धीरे पहचानें। अलग-अलग फॉर्मेट के चार्ट के सामने, अपने आप से नॉर्मलाइज़ेशन करें। स्क्रीनशॉट में अनुपलब्ध डेटा को सीधे ऑफिशियल स्रोत से ऑनलाइन ढूंढकर पूरा करें।
एक ब्लूमबर्ग टर्मिनल शैली का डार्क मोड इंटरैक्टिव बड़ा स्क्रीन अंतिम उत्पाद के रूप में बनाया गया।
12 मॉडल, 14 बेंचमार्क, कॉम्प्रिहेंसिव रैंकिंग, रेडार चार्ट की तुलना, एकल बार चार्ट, कीमत/प्रदर्शन स्कैटर प्लॉट — चारों मॉड्यूल एक साथ।
तीन क्षमताएँ, एक बार में पूरी तरह से बढ़ाएँ
तीन प्रश्नों को हल करने के बाद, M3 की क्षमता की सीमा स्पष्ट हो चुकी है। अब प्रश्न यह है कि वह इसे कैसे कर पाई।
उत्तर तीन मूलभूत क्षमताओं का एक साथ होना है: अग्रणी स्तर की प्रोग्रामिंग, 1M संदर्भ खिड़की, और मूल बहुमाध्यम।
उनका आधार, एक नया ध्यान वाली वास्तुकला जिसे MiniMax Sparse Attention (MSA) कहा जाता है।
जब पारंपरिक ध्यान तंत्र को लाखों के संदर्भ के साथ संसाधित किया जाता है, तो गणना का आयतन घातीय रूप से विस्फोट हो जाता है, जिससे GPU की वीडियो मेमोरी और प्रसंस्करण क्षमता पूरी तरह से थक जाती है।
MSA ने ब्लॉक-लेवल स्पार्सिटी के साथ इस बॉटलनेक को दूर कर दिया।
ऑपरेटर स्तर पर, यह प्रत्येक KV डेटा ब्लॉक को मेमोरी में केवल एक बार पढ़ता है, मेमोरी एक्सेस पूरी तरह से निरंतर होता है, और कोई दोहराव वाली हस्तांतरण नहीं करता।
प्रभाव केवल हिंसा से ही वर्णित किया जा सकता है।
100 लाख कंटेक्स्ट के भयानक स्केल के तहत, M3 प्रति टोकन की कैलकुलेशन लोड को पिछली पीढ़ी की तुलना में 1/20 तक कम कर दिया गया है। प्रीफिलिंग में 9 गुना से अधिक का त्वरण, डिकोडिंग में 15 गुना से अधिक का त्वरण।
मल्टीमॉडल की ओर से भी यही तीव्रता है। M3 कोई ऐसा जोड़ा हुआ उत्पाद नहीं है जिसमें पहले टेक्स्ट को ट्रेन किया जाए और फिर एक विजुअल मॉड्यूल जोड़ दिया जाए।
इसके लिए, प्रशिक्षण के पहले चरण से ही पाठ, चित्र और वीडियो को मिलाकर दिया गया। इसके लिए अनुसंधान टीम ने पूरी डेटा पाइपलाइन को पुनः बनाया और प्री-ट्रेनिंग स्केल को सीधे 100T स्तर तक बढ़ा दिया।
परिणामस्वरूप, M3 ने Artificial Analysis के कॉम्प्रिहेंसिव इंटेलिजेंट इंडेक्स पर ओपन सोर्स मॉडल का विश्व स्तरीय सर्वोच्च स्थान प्राप्त किया और विश्व में सातवें स्थान पर रहा।
GPQA डायमंड साइंटिफिक रीजनिंग रैंकिंग में, M3 ने 93.2% प्राप्त किया और विश्व के शीर्ष चार में स्थान प्राप्त किया, जो Claude Opus 4.8 और Opus 4.7 से अधिक है।
लंबे संदर्भ तर्क सूची में, M3 ने 74.0% के साथ शीर्ष छह में प्रवेश किया और GPT-5 श्रृंखला के साथ घनिष्ठ प्रतिस्पर्धा की।
GDPval-AA के वास्तविक कार्य एजेंट रैंकिंग में, M3 का 1670 अंक विश्वव्यापी रूप से पांचवें स्थान पर है, और Sonnet 4.6 से केवल 6 अंक का अंतर है।
प्रत्येक सूची के मूल्यांकन मापदंड अलग-अलग हैं, लेकिन M3 की स्थिति हमेशा एक ही अंतराल में रहती है, बंद स्रोत की पहली पंक्ति की सीमा पर और खुले स्रोत मॉडल के सबसे आगे।
देखने के लिए बाएँ और दाएँ स्वाइप करें
प्रसिद्ध तृतीय पक्ष बहुआयामी सूचकांक Vals Index पर, M3 ने वैश्विक रूप से छठा स्थान प्राप्त किया।
यह वर्तमान में भारतीय खुले स्रोत मॉडल का सर्वश्रेष्ठ प्रदर्शन है, और खुले स्रोत मॉडल्स में वैश्विक शीर्ष स्थान है।
Overall composite score, M3 has firmly crossed the line of Claude Sonnet 4.6.
हालांकि यह अभी भी सबसे शक्तिशाली Opus 4.7 और GPT-5.5 से थोड़ा पीछे है, लेकिन यह निस्संदेह मृत्यु समूह में प्रवेश कर चुका है।
एक एजेंट काफी नहीं है, तो एक टीम लगाएं
अब अगला प्राकृतिक प्रश्न यह है कि इस मॉडल को चलाने के लिए क्या उपयोग किया जाए?
पिछले प्रयोग में M3 द्वारा ffmpeg का उपयोग करके वीडियो काटने और 40 मिनट में आउटपुट बनाना, MiniMax Code पर चलाया गया था।
लेकिन अभी तक केवल एक एजेंट काम कर रहा है। इस अपग्रेड की सबसे रोचक बात एजेंट टीम है।
AI प्रोग्रामिंग टूल्स का उपयोग करने वाले लोगों ने शायद इस अनुभव को पहले ही किया होगा।
आपने एजेंट को 7 कार्य दिए, जिनमें से वह 3 पूरा करके रुक गया और रिपोर्ट किया, "मैंने 1, 2, 3 पूरा कर लिए हैं, क्या मुझे जारी रखना चाहिए?" या फिर वह अचानक अपनी शैली बदल देता है—पहले तो वह एक विश्वसनीय इंजीनियर की तरह काम करता है, लेकिन बाद में अचानक बेकाबू बातें करने लगता है।
इसके लिए, एजेंट टीम ने न्यायाधीश और खिलाड़ियों को अलग कर दिया।
लीडर लक्ष्यों को समझने, कार्यों को विभाजित करने और नियोजन करने के लिए जिम्मेदार है। वर्कर विशिष्ट कार्यों को निष्पादित करने के लिए जिम्मेदार है, और विभिन्न वर्कर के पास अलग-अलग उपकरण और संदर्भ होते हैं। वेरिफायर स्वीकृति के लिए जिम्मेदार है और विशेष रूप से वर्कर के खिलाफ बहस करता है।
कार्यकर्ता ने काम पूरा कर लिया, वेरिफायर ने गलतियाँ ढूंढना शुरू कर दिया। समस्याएँ निकालकर, काम वापस भेज दिया गया। वेरिफायर ने जाँच पूरी कर ली, कार्यकर्ता ने सुधार के सुझावों के साथ पुनः प्रयास किया। इस प्रतिस्पर्धी चक्र को मॉडल खुद नहीं रोकता, बल्कि इसके नीचे एक स्टेट मशीन इंजन काम करता है।
सबसे अच्छा अनुभव यह है कि आप एक संदेश भेजते हैं, M3 सेकंड में पुष्टि करता है, और बैकएंड पर कई Worker समानांतर रूप से चलना शुरू हो जाते हैं।
आपने बीच में एक नया अनुरोध जोड़ा, 「इसे भी मेरे लिए चेक कर दो」, लीडर ने तुरंत प्रतिक्रिया दी, बैकग्राउंड टास्क बंद नहीं हुए।
एक ऐसे सहकर्मी जैसा जो आपके वेक्सिन पर तुरंत जवाब देता है और आपके काम में भी मदद करता है।
M3 की मॉडल क्षमता और MiniMax Code के एजेंट टीम के साथ—एक सोचने के लिए, दूसरा काम करने के लिए, दोनों का संयोजन असीमित कल्पना को शुरू करता है।
आंधी के बाद, सभी का ध्यान अब M3 पर वापस आ गया है।
और अब, अगला सच्चा महत्वपूर्ण कदम आता है: इसका वजन और पूर्ण तकनीकी रिपोर्ट, दस दिनों के भीतर ओपन सोर्स हो जाएगा।
At that time, developers worldwide will rate it with real projects.
ASI को सेकंड में ट्रैक करें
⭐ लाइक, शेयर और देखें — एक क्लिक में तीनों करें ⭐
स्टार आइकन को चालू करें, न्यू एआई एक्सप्रेस अपडेट्स के लिए सुनिश्चित करें!
