GPT
הוספת כלי
M

MiniMax-M2.7

קוד פתוח

MiniMaxAIother2026-04-09

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

הורדה של 214 ג'יגה בייט למשימות פיתוח מורכבות וסוכנים אוטונומיים. הוא נבנה לפתרון תקלות פרודקשן, כתיבת קוד והרצת כלים רב שלביים בלי תלות בספק ענן סגור.

  • 229Bפרמטרים
  • 204,800טוקנים בהקשר
  • 214 GBמשקל הקבצים
  • 1,267,597הורדות בחודש

מה זה

מדובר במודל שפה עם 229 מיליארד פרמטרים וחלון הקשר של 204,800 טוקנים, שפותח תוך שימוש בתהליכי אופטימיזציה עצמיים לשיפור פיגומי קוד. המטרה המרכזית שלו היא התמודדות עם הנדסת תוכנה מעשית, ניתוח לוגים ותפעול תקלות מערכת. בכרטיס המודל מדווח כי הוא הגיע לתוצאה של 56.22% במבחן SWE Pro, ציון של 76.5 בגרסה הרב לשונית שלו, ושיעור זכייה במדליות של 66.6% ב־MLE Bench Lite.

התוצאות האלה מציבות אותו ברמת ביצועים תחרותית מאוד מול מודלים קנייניים כבדים כמו GPT 5.3 Codex בכל הנוגע לקריאת קוד ותיקונו. בנוסף ליכולות קוד, הוא מציג ציון של 1495 במדד GDPval AA, שמעיד על דיוק גבוה בעריכת מסמכי אופיס, ודיוק של 46.3% במבחן Toolathon להפעלת כלים חיצוניים.

מתאים ל

  • חקירת תקלות SRE

    ניתוח לוגים ושאילתות מסדי נתונים לצמצום זמני השבתה במערכות חיות.

  • סוכני פיתוח תוכנה

    תיקון באגים ורפקטורינג במאגרי קוד מרובי קבצים עם חלון הקשר עצום.

  • אוטומציית כלי עבודה

    ביצוע משימות רב שלביות של עריכת מסמכים וקריאות API חיצוניות.

איפה זה נופל

גודל הקבצים ודרישות המחשוב הופכים כל הרצה מקומית לפרויקט תשתיתי כבד ואיטי, שלא מתאים לסביבות פיתוח אישיות. מעבר למדדי הבנצ'מרק הספציפיים שהוצגו, כרטיס המודל לא חושף נתוני בטיחות, שיעורי הזיות או התנהגות בעברית, ולכן חובה לבדוק אותו עצמאית לפני שמשלבים אותו בזרימת עבודה אמיתית.

שאלות
נפוצות

האם אפשר להריץ את המודל על תחנת עבודה רגילה?

לא. המודל שוקל 214 ג'יגה בייט ומכיל 229 מיליארד פרמטרים. תצטרכו שרת עם מספר כרטיסי עיבוד גרפי מקצועיים כדי לטעון אותו לזיכרון.

אילו מנועי הסקה נתמכים לפריסה מקומית?

החברה ממליצה על שימוש ב־vLLM או SGLang, ומספקת תמיכה גם דרך transformers ו־NVIDIA NIM.

איך מריצים

המשקל הכולל עומד על 214 ג'יגה בייט הפרוסים על פני 151 קבצים. כדי לטעון ולהריץ מפלצת של 229 מיליארד פרמטרים עם 62 שכבות, תצטרכו שרת ייעודי עם מספר מאיצי GPU חזקים מאוד, כמו צבר כרטיסי H100 או A100, במיוחד אם תרצו לנצל את מלוא חלון ההקשר.

היוצרים ממליצים להריץ אותו דרך מנועי הסקה כמו vLLM או SGLang, ויש תמיכה מובנית גם בספריית transformers ובנקודת קצה של NVIDIA NIM. אם אין לכם חומרה ייעודית בעלות של אלפי דולרים בחודש, עדיף בהרבה לפנות ישירות ל־API שהחברה מציעה במקום לנסות לארח אותו לבד.

from transformers import pipeline

pipe = pipeline("text-generation", model="MiniMaxAI/MiniMax-M2.7")
print(pipe("שלום"))

הקבצים

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

הרישיון

הרישיון מוגדר בתור other ולא תחת רישיון קוד פתוח מוכר. המשמעות היא שאתם חייבים לבדוק את קובץ הרישיון המקורי במאגר לפני כל שימוש, שכן עשויות לחול מגבלות שימוש מסחרי או התניות הפצה ספציפיות של החברה.

הרישיון המלא בעמוד המודל ↗