跳到正文

MiniMax Blog

minimax.io · 网站与博客

当前显示全部 AI 相关新闻
切换来源
全部网站与博客新闻IT Home8664 条Simon Willison353 条OpenAI News317 条TechCrunch · AI267 条The Decoder251 条Hugging Face Blog151 条The Verge · AI144 条Claude Blog135 条elsewhere articles110 条Google Research108 条OpenRouter Announcements103 条Mistral AI88 条Tomer Tunguz81 条Databricks Blog76 条Sierra Blog67 条Anthropic Newsroom65 条Gary Marcus64 条Claude Platform release notes62 条Runway News62 条LMSYS Blog60 条Google DeepMind58 条a16z News49 条LangChain Blog48 条Suno Blog48 条ByteByteGo46 条NVIDIA Blog46 条Apple Machine Learning Research43 条Google Blog: AI41 条Google Developers Blog35 条Cursor Blog33 条Microsoft AI News32 条Linear Now30 条AWS Machine Learning Blog29 条Google Cloud: Databases28 条Dwarkesh Patel27 条Ars Technica · AI26 条Nathan Lambert: Interconnects25 条Latent Space24 条DeepSeek API updates23 条Sakana AI Blog23 条Anthropic Research21 条Import AI21 条AI as Normal Technology20 条MIT Technology Review · AI16 条GitHub Blog · AI & ML12 条Meta Engineering11 条Berkeley AI Research10 条Microsoft Research10 条Black Forest Labs Blog8 条ByteDance Seed Papers8 条ElevenLabs Blog8 条Gemini API 更新日志8 条Manus Blog8 条MarkTechPost8 条MiniMax Blog8 条Qwen Blog8 条Together AI Blog8 条Every latest articles6 条ByteDance Seed Research5 条xAI:News5 条Thinking Machines Lab Blog4 条CMU Machine Learning Blog1 条Sam Altman Blog1 条MarkTechPost · 历史来源106 条xAI News · 历史来源73 条Artificial Intelligence News · 历史来源44 条Claude YouTube · 历史来源41 条Ars Technica: AI · 历史来源18 条GitHub Blog · 历史来源17 条Lilian Weng's Log · 历史来源2 条
8 条AI 相关新闻 · 最新在前
8月13日周四
7月31日周五
6月9日周二
6月1日周一
  1. MiniMax Blog81

    MiniMax 发布 M3:1M 上下文、原生多模态与前沿编码能力

    MiniMax 发布 M3 模型,采用自研稀疏注意力架构 MSA,支持最高 1M token 上下文,SWE-Bench Pro 得分 59.0%、Terminal-Bench 2.1 得分 66.0%,并原生支持图像与视频输入及桌面操作。

    推荐理由:官方详解了 MSA 架构与 1M 上下文的具体实现,并给出多项基准成绩和真实任务案例,可据此评估其编码与长程智能体能力。

5月27日周三
  1. MiniMax Blog62

    MiniMax Agent 升级为 Mavis 并推出 Agent Team 多智能体协作

    MiniMax 发布 Agent 整体升级并更名 Mavis,推出 Agent Teams,支持桌面端并行运行多角色 Agent 协作完成长任务,并将 TokenPlan 与 Agent Plan 合并为统一订阅,Agent 与 API 共享 Credits。

    推荐理由:官方详解 Agent Team 的角色分工、状态机设计和上下文成本等工程取舍,读者可以据此理解多智能体产品化的关键问题。

5月26日周二
  1. MiniMax Blog63

    MiniMax 拆解 M2 无法说出“马嘉祺”的原因:SFT 导致稀疏 token 的 lm_head 漂移

    MiniMax 内部调查确认,MiniMax M2 无法生成“嘉祺”等低频 token 的根因是 SFT 数据覆盖不均导致 lm_head 表示漂移,输入侧 embedding 几乎不变故理解能力保留。调查还发现日语 token 严重退化与小语种混杂同源,加入全词表覆盖合成数据后,日俄混杂率从 47% 降至 1%,定向测试通过率从 4/16 升至 13/16。

    推荐理由:原文以模型方一手实验定位稀疏 token 遗忘的 lm_head 漂移机制,并给出可复用的全词表覆盖修复数据方案。

3月18日周三
  1. MiniMax Blog76

    MiniMax 发布 M2.7:让模型深度参与自身迭代,SWE-Pro 得分 56.22%

    MiniMax 发布 M2.7 模型,称其为首个深度参与自身演化的 M2 系列模型,让模型构建 skills、更新记忆并改进强化学习实验流程。SWE-Pro 得分 56.22%,VIBE-Pro 55.6%,Terminal Bench 2 57.0%,GDPval-AA ELO 1495 为开源模型最高;MLE Bench Lite 三次运行平均奖牌率 66.6%。

    推荐理由:原文给出了自进化工作流细节和多维度基准数据,读者可以对照评估 M2.7 在智能体与工程任务上的实际位置。

2月14日周六