Gate News bot mensagem, MiniMax anunciou a 17 de junho que irá lançar atualizações importantes durante cinco dias consecutivos. Hoje, o primeiro é o modelo de inferência Código aberto MiniMax-M1.
De acordo com o relatório oficial, o MiniMax-M1 em várias avaliações de desempenho está à altura do DeepSeek-R1, Qwen3 e outros modelos de Código aberto, aproximando-se dos modelos mais avançados do exterior.
O blog oficial também mencionou que, com base em duas grandes inovações tecnológicas, o processo de treinamento do MiniMax-M1 foi tão eficiente que "superou as expectativas", levando apenas 3 semanas e 512 placas H800 GPU para concluir a fase de treinamento por reforço, com um custo de aluguel de computação de apenas 53,47 mil dólares. Isso é um ordens de magnitude menor do que a expectativa inicial.
O conteúdo serve apenas de referência e não constitui uma solicitação ou oferta. Não é prestado qualquer aconselhamento em matéria de investimento, fiscal ou jurídica. Consulte a Declaração de exoneração de responsabilidade para obter mais informações sobre os riscos.
MiniMax Código aberto primeiro modelo de inferência: comparado ao DeepSeek, o custo de poder de computação é de apenas cerca de 530 mil dólares.
Gate News bot mensagem, MiniMax anunciou a 17 de junho que irá lançar atualizações importantes durante cinco dias consecutivos. Hoje, o primeiro é o modelo de inferência Código aberto MiniMax-M1.
De acordo com o relatório oficial, o MiniMax-M1 em várias avaliações de desempenho está à altura do DeepSeek-R1, Qwen3 e outros modelos de Código aberto, aproximando-se dos modelos mais avançados do exterior.
O blog oficial também mencionou que, com base em duas grandes inovações tecnológicas, o processo de treinamento do MiniMax-M1 foi tão eficiente que "superou as expectativas", levando apenas 3 semanas e 512 placas H800 GPU para concluir a fase de treinamento por reforço, com um custo de aluguel de computação de apenas 53,47 mil dólares. Isso é um ordens de magnitude menor do que a expectativa inicial.
Fonte da notícia: Jin Shi