GPT
הוספת כלי
M

MiniMax-M2.5

קוד פתוח

MiniMaxAIother2026-02-12

  • transformers
  • safetensors
  • minimax_m2
  • text-generation
  • conversational

מודל ענק שמכוון ישירות לעבודה אוטונומית בסוכני תוכנה ומשרד. הוא מתאים למי שבונה אוטומציות כבדות של קוד או מחקר ומחפש אלטרנטיבה זולה משמעותית למודלים המסחריים הגדולים.

  • 229Bפרמטרים
  • 196,608טוקנים בהקשר
  • 214 GBמשקל הקבצים
  • 416,549הורדות בחודש

מה זה

מדובר במודל שפת מקור של 229 מיליארד פרמטרים עם 62 שכבות וחלון הקשר של 196,608 טוקנים. הוא נבנה בשיטת למידת חיזוק בסביבות עבודה אמיתיות, כשהמטרה היא לא סתם לפלוט טקסט, אלא לתכנן ארכיטקטורה, להריץ חיפושים ברשת ולהפעיל כלים במקביל. בכרטיס המודל מדווח ציון של 80.2 אחוזים בבנצ'מרק התכנות SWE-Bench Verified, 51.3 אחוזים בגרסה המרובה שלו ו־76.3 אחוזים ב־BrowseComp לחיפוש רשת.

המספרים האלה מראים שהוא פותר משימות הנדסת תוכנה שלמות ולא רק משלים שורות קוד בודדות. המפתחים מציגים יכולת לתכנן קבצי הגדרות לפני כתיבת הקוד עצמו, עם תמיכה בלמעלה מעשר שפות פיתוח כמו פייתון, טייפסקריפט, גו וראסט, לצד הפקת מסמכים משרדיים ומודלים פיננסיים באקסל. הוא שונה מרוב המודלים בגודל הזה בכך שהוא מכוון לצמצום סבבי החיפוש וכמות הטוקנים כדי לסיים משימות מהר יותר, ולא רק לייצר טקסט ארוך.

מתאים ל

  • סוכן בדיקות ותיקון קוד

    מתאים לפתרון באגים במאגרי קוד מורכבים בזכות תוצאה של 80.2 אחוזים ב־SWE-Bench ותמיכה בשפות רבות.

  • מחקר ואיסוף מידע ברשת

    יעיל להפעלת כלי דפדפן וחיפוש עמוק באתרים הודות לצמצום סבבי השאילתות וציון 76.3 אחוזים ב־BrowseComp.

  • עיבוד מסמכים ארוכים

    מיועד לניתוח טקסטים פיננסיים או משפטיים ענקיים באמצעות חלון הקשר של קרוב ל־200 אלף טוקנים.

איפה זה נופל

המגבלה הכי בולטת היא הגודל הפיזי שלו. כדי לקבל את הביצועים המובטחים תצטרכו תשתיות ענן יקרות או תלות מוחלטת בשרתי החברה. אין שום מידע על יכולות המודל בשפה העברית, וכשמדובר במודל שמגיע מסין, חייבים לבדוק לעומק את איכות העברית לפני שחושבים לשלב אותו במוצר שמיועד לשוק המקומי.

בנוסף, המדידות המרשימות לגבי עבודה עם כלים והפקת קבצי משרד נשענות בחלקן הגדול על סביבת ה־Agent הסגורה של החברה ולא על הרצה נקייה של קובצי המשקולות בלבד. אם תריצו אותו בלי אותן מעטפות תוכנה ייעודיות, התוצאות בתחום הכלים עלולות להיות נמוכות בהרבה.

שאלות
נפוצות

אפשר להריץ את המודל הזה על תחנת עבודה במשרד?

לא. מדובר ב־229 מיליארד פרמטרים ששוקלים 214 ג'יגה בייט. תצטרכו שרת ייעודי עם מספר כרטיסי מסך ארגוניים כדי לטעון אותו לזיכרון.

מה ההבדל בין גרסת הבסיס לגרסת הלייטנינג?

לפי נתוני החברה היכולות והתשובות זהות לחלוטין. ההבדל היחיד הוא מהירות הפלט שעולה מ־50 ל־100 טוקנים לשנייה, כאשר המחיר ב־API מוכפל בהתאם.

איך מריצים

כדי להריץ אותו מקומית דרך vLLM או SGLang תצטרכו שרת עם מספר כרטיסי מסך חזקים במיוחד. משקל הקבצים לבדו עומד על 214 ג'יגה בייט ב־163 קבצים, כך שאין שום אפשרות להפעיל אותו על מחשב אישי או כרטיס בודד ללא חלוקה על פני אשכול שרתים.

ב־API החברה מציעה שתי גרסאות זהות ביכולת שנבדלות בקצב: גרסה רגילה ב־50 טוקנים לשנייה וגרסת לייטנינג ב־100 טוקנים לשנייה. לרוב המפתחים הרצה עצמית תהיה סיוט תפעולי ויקרה מדי בחומרה, במיוחד כשמחיר ה־API מתחיל ב־0.15 דולר למיליון טוקני קלט ו־1.2 דולר לפלט בגרסה האיטית, או כפול מזה בלייטנינג, מה שהופך את הגישה דרך הרשת לבחירה ההגיונית.

from transformers import pipeline

pipe = pipeline("text-generation", model="MiniMaxAI/MiniMax-M2.5")
print(pipe("שלום"))

הקבצים

163 קבצים במאגר, 214 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון מוגדר במאגר כ־other, ובטקסט המצורף החברה מציינת Modified-MIT עם קישור לקובץ חיצוני. השינוי מרישיון MIT הרגיל אומר שיש תנאים או הגבלות נוספות שהמפתחים הוסיפו, ולכן חובה לקרוא את נוסח הקובץ המדויק לפני שימוש מסחרי או הפצה של המודל בתוך מוצר.

הרישיון המלא בעמוד המודל ↗