MiniMax M3.1 Flash Faoliyat yuritmoqda

MiniMax M3.1 Flash — MiniMax tomonidan taqdim etilgan yangi avlod Flash modeli bo‘lib, anonim “Space Bunny” modeli va 200T dan ortiq tokenni qayta ishlaydi. MiniMax M3.1 Flash Agentic vazifalar, dasturlash, Computer Use va kiberxavfsizlik bo‘yicha yetakchi darajaga erishdi: DeepSWE 73.7%, OSWorld V2 61.7, CyberGym 82%. MiniMax M3.1 Flash allaqachon MiniMax API, MPlan va MiniMax Code xizmatlarida mavjud, og‘irliklari keyinroq ochiq manbaga chiqariladi.

Murakkab vazifalar va avtomatlashtirish: AutomationBench-AA testida yuqori o‘rinlarni egallaydi, SaaS tizimlari bo‘ylab savdo, marketing, operatsiyalar, mijozlarga xizmat ko‘rsatish, moliya, HR va boshqa korporativ ish jarayonlarini bajaradi; BankerToolBench’da 76.2 ball olib, ko‘p bosqichli rejalashtirish va vositalar zanjiri orqali chaqiruvlarni bajarishda kuchli.
Dasturlash va dasturiy ta’minot muhandisligi: DeepSWE v1.1’da 73.7% natija ko‘rsatadi, kodni tushunish, funksiyalarni ishlab chiqish, muammolarni tuzatish va test orqali tekshirishdan iborat uzoq jarayonli vazifalarni mustaqil bajaradi.
Computer Use: OSWorld V2’da 61.7, ALE’da 29.6 ball olib, ikkalasida ham mahalliy modellar orasida birinchi o‘rinda turadi; vazifani tushunishdan haqiqiy kompyuterda ishlash va natijani topshirishgacha bo‘lgan jarayonni bajara oladi.
Kiberxavfsizlik: CyberGym’da 82% natija, kod auditi, zaifliklarni tuzatish, penetratsion test, zararli kod tahlili va teskari muhandislikni qamrab oladi.
Yuqori tezlikdagi xulosa chiqarish: kundalik foydalanishda chiqish tezligi 200+ TPS ga yetadi (P50 barqaror 170+ TPS), avvalgi avlodga nisbatan qariyb 3 baravar yuqori.

WeChat’da kuzatib, “开源” deb javob yuboring va AI ochiq manba loyihalari guruhiga qo‘shiling
Siyrak e’tibor arxitekturasi: M3.1 Flash yanada agressiv siyrak e’tibor dizaynidan foydalanadi. E’tibor hisob-kitoblaridagi ortiqcha o‘zaro aloqalarni kamaytirish orqali modelning uzun kontekstni tushunish qobiliyatini saqlab qoladi va hisoblash xarajatlarini sezilarli darajada pasaytiradi. Bu 200+ TPS tezkor chiqish va xulosa chiqarish tezligining qariyb 3 baravar oshishining asosiy mexanizmi bo‘lib, har bir token uchun xulosa chiqarish xarajatini ham keskin kamaytiradi.
Agentic uzoq jarayonli vazifalarni bajarish: model ko‘p bosqichli rejalashtirish va vositalardan foydalanish bo‘yicha kuchaytirilgan treningdan o‘tgan. Shu sababli SaaS tizimlari bo‘ylab ish jarayonlari, moliyaviy muvofiqlik va dasturiy ta’minot ishlab chiqish kabi vaziyatlarda murakkab vazifalarni ketma-ket bajariladigan bosqichlarga ajrata oladi hamda jarayon davomida hujjatlar va fayllar o‘rtasidagi ma’lumotlar izchilligini saqlaydi. AutomationBench, DeepSWE kabi haqiqiy vazifalarni yakunlash qobiliyatini sinovdan o‘tkazuvchi benchmarklarda yetakchi natijalarga erishadi.
Haqiqiy muhit bilan o‘zaro ishlash qobiliyati (Computer Use): model haqiqiy operatsion tizimlar va turli ilovalar muhitlari bilan o‘zaro ishlash orqali ekranni anglash, dasturlarni boshqarish, vositalarni chaqirish va natijalarni tekshirishdan iborat yopiq jarayon qobiliyatiga ega bo‘ldi. Bu unga OSWorld V2 va ALE kabi ”amaliy foydalanish va natijani topshirish.

API orqali chaqirish: MiniMax ochiq platformasiga (https://www.minimax.cn/) kirib, ro‘yxatdan o‘ting va tizimga kiring. API Key olgach, hujjatlarga muvofiq modelni M3.1 Flash’ga yo‘naltirib, undan foydalanishingiz mumkin.
MPlan’ga obuna bo‘lish: https://www.minimax.cn/m-plan manziliga o‘ting va tarifni tanlang. Bu modeldan belgilangan budjet asosida ko‘p foydalanadigan foydalanuvchilar uchun mos.
MiniMax Code’ni o‘rnatish: MiniMax Code saytiga kirib, ish stoli versiyasini yuklab oling. O‘rnatgandan so‘ng M3.1 Flash’dan dasturlash muhitida bevosita foydalanishingiz mumkin.

Agentic qobiliyati yetakchi: AutomationBench-AA, BankerToolBench (76.2 ball) kabi murakkab Agent vazifalari testlarida yuqori o‘rinlarni egallaydi va SaaS tizimlari bo‘ylab haqiqiy korporativ ish jarayonlarini mustaqil bajara oladi.
Dasturlash qobiliyati flagman modellar darajasida: DeepSWE v1.1’da 73.7% natija ko‘rsatadi, uzoq jarayonli kodni tushunish, ishlab chiqish, tuzatish va test orqali tekshirish qobiliyatiga ega, xarajati esa shu darajadagi modellardan ancha past.
Computer Use bo‘yicha mahalliy modellar orasida birinchi: OSWorld V2 (61.7) va ALE (29.6) reytinglarida mahalliy modellar orasida birinchi o‘rin.
Kiberxavfsizlikda yetakchi: CyberGym’da 82% natija, kod auditi, penetratsion test, teskari muhandislik kabi professional xavfsizlik vazifalarini past xarajatda qamrab oladi.
3 baravar tezroq: agressiv siyrak e’tibor arxitekturasi 200+ TPS chiqish tezligini ta’minlaydi, P50 170+ TPS darajasida barqaror bo‘lib, interaktiv foydalanish tajribasini sezilarli yaxshilaydi.

Loyiha rasmiy sayti: https://www.minimax.cn/blog/minimax-m31f

Korxona darajasidagi ofis avtomatlashtirishi: SaaS tizimlari bo‘ylab savdo, marketing, mijozlarga xizmat ko‘rsatish, moliya va HR jarayonlarini bog‘laydi. Masalan, CRM va elektron pochta tizimlari o‘rtasida potensial mijozlarni kuzatish, murojaatlarni yo‘naltirish va hisobotlar yaratishni avtomatik bajaradi; bu uning AutomationBench-AA’dagi yetakchi qobiliyatiga mos keladi.
AI dasturlash yordamchisi/dasturiy ta’minot ishlab chiqish: kodni tushunish, funksiyalarni ishlab chiqish, xatolarni tuzatish va test orqali tekshirishni mustaqil bajaradi. MiniMax Code yoki CI jarayoniga ulash uchun mos bo‘lib, DeepSWE’dagi 73.7% natija bilan uzoq jarayonli ishlab chiqish ishlarini past xarajatda qo‘llab-quvvatlaydi.
Computer Use raqamli xodimi: fayllarni avtomatik tartibga solish, tizimlarga ma’lumot kiritish, veb-sahifalardan ma’lumot yig‘ish va jamlab topshirish kabi turli ilovalar bo‘ylab vazifalarni bajarish uchun kompyuterni bevosita boshqaradi; OSWorld V2’dagi 61.7 ball haqiqiy muhit bilan o‘zaro ishlashni ta’minlaydi.
Moliyaviy muvofiqlik va biznes jarayonlari: BankerToolBench’dagi 76.2 ball bilan ifodalangan ko‘p bosqichli rejalashtirish va hujjatlararo izchillik qobiliyatlari asosida hisob-kitoblarni solishtirish, muvofiqlik auditi va fayllararo ma’lumotlar izchilligini tekshirish kabi moliyaviy vazifalarni bajaradi.