Ana Sayfa
AI AI
Flaş
Derinlik
Etkinlikler
BlockBeats Pro
Daha Fazla
Finans
Özel
Blok Zinciri Ekosistemi
Giriş
Podkastlar
Veri
OPRR
#
BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
BNB
$710
3.05%
lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
Partnered With:

MiniMax M3 resmi olarak DeepSWE resmi listesine girdi: geçiş oranı %20,4'e yükseldi, GLM ve Xiaomi Mimo'yu geride bıraktı.

Beating'in izleme raporuna göre, büyük modellerin uzun vadeli yazılım mühendisliği görevlerini çözme yeteneğini değerlendirmeye odaklanan referans platformu DeepSWE, en son güncellemesini yayınlayarak MiniMax kodlama modeli MiniMax M3'ü resmi değerlendirmeye dahil etti. 113 gerçek açık kaynak görevinin değerlendirmesinde MiniMax M3, %20,4'lük bir Pass@1 başarı oranı elde etti. Bu performans, Moonlight'ın Kimi-k2.6'sının (%23,9) gerisinde kalsa da, Xiaomi'nin mimo-v2.5-pro'sunu (%19,5), Zhipu'nun GLM-5.1'ini (%17,5) ve Google Gemini 3.1 Pro (%9,7) ile DeepSeek V4 Pro'yu (%7,5) başarıyla geride bıraktı.

Daha önce (2 Haziran) bağımsız geliştirici @bleysg tarafından yayınlanan bağımsız değerlendirme sonuçlarına kıyasla, MiniMax M3'ün performansı önemli ölçüde iyileşti. Önceki bağımsız testlerde, 90 dakikalık normal zaman sınırı altında M3'ün katı başarı oranı yalnızca %13,3'tü (15/113) ve o dönemde yayınlanan model performanslarında Kimi ve GLM'nin gerisinde kalıyordu. Resmi testteki %20,4'lük başarı oranındaki bu belirgin artış, esas olarak MiniMax'ın 3 Haziran'da dağıttığı büyük çıkarım yükseltmesinden kaynaklanıyor. Bu yükseltme, ara sıra oluşan anormal Token üretme sorununu düzeltti ve uzun bağlam önbellek verimliliğini optimize ederek modelin uzun vadeli programlamadaki kod doğruluğunu belirgin şekilde iyileştirdi ve aynı zamanda önde gelen modellerle arasındaki farkı daralttı. Dikkat çekici bir şekilde, Pass@4'e (4 denemeye izin verilen başarı oranı) bakıldığında, MiniMax M3 %48,7'ye ulaşarak Kimi-k2.6 ile eşitleniyor ve GLM-5.1'in %38,9'unun önemli ölçüde üzerinde yer alıyor.

Ancak, yüksek kaynak ve hesaplama maliyeti hala MiniMax M3'ün zayıf noktası. Resmi referans testinde, M3'ün tek bir görevi çözmek için aracı adım medyanı 311 adıma kadar çıkarken, çıktı Token medyanı 91.000'e ve tek bir görevin ortalama maliyet medyanı 5,04 dolara ulaştı. Buna karşılık, Kimi-k2.6'nın tek bir görevi çözmek için medyan adım sayısı yalnızca 136,5 adım ve maliyet medyanı 2,70 dolar; Xiaomi mimo-v2.5-pro'nun medyan adım sayısı ise yalnızca 114,5 adım ve maliyet medyanı daha da düşük olarak 1,68 dolar. Veriler, M3'ün problem çözme üst sınırı ve başarı oranı açısından iyi bir performans sergilemesine rağmen, hesaplama verimliliği ve çıkarım maliyeti optimizasyonu konusunda diğer yerli ana akım modellere kıyasla hala büyük bir iyileştirme alanı olduğunu gösteriyor.

İlgiliÖnerilen
Markasız, tanıtıma dayanmayan, geliştiricileri 8 gün içinde oy kullanmaya teşvik eden bir etkinlik.
Tam olarak neyin, bir otomobil üretim hattını büyük ilgi gören bir cazibe merkezine dönüştürdüğünü biliyor musunuz?
1. Zincir İçi Fonlar: Geçen hafta Hyperliquid'e 32,1 milyon dolar, Arbitrum'dan ise 35,3 milyon dolar giriş yaptı. 2. En Büyük Fiyat Değişimleri: $TRUTH, $SAD 3. En Önemli Haberler: Piyasa düzeltmesi sırasında bazı Meme coin'leri yükseliş trendini korurken, JELLYJELLY bu trendin dışında kalarak %37 oranında yükseldi.
Düzeltme/Rapor
Gönder
Kütüphane Ekle
Sadece kendime görünür
Herkese Açık
Kaydet
Kütüphane Seç
Kütüphane Ekle
İptal
Tamamla