MiniMax-M2.7-GGUF

קוד פתוח

unslothother2026-04-11

gguf
minimax_m2
unsloth
text-generation
endpoints_compatible

גרסת GGUF בכימות דינמי של MiniMax למשימות פיתוח מורכבות וסוכנים אוטונומיים. היא פונה למי שצריך ביצועי קוד גבוהים ומערך כלים שלם בריצה מקומית.

3.0 TBמשקל הקבצים
29,089הורדות בחודש
221לייקים

מה זה

המאגר הזה מכיל המרות GGUF בשיטת Unsloth Dynamic 2.0 למודל M2.7 של חברת MiniMax. הדגש העיקרי כאן הוא עבודת תוכנה מורכבת, הפעלת צוותי סוכנים, ופתרון תקלות מערכתיות מקצה לקצה. היוצרים מדווחים על יכולת ניתוח עקבות לוגים, בדיקת מסדי נתונים, וביצוע משימות הנדסת אמינות אתר.

במבחני ביצועים שמפורטים בכרטיס, המודל מציג 56.22% ב־SWE-Pro, לצד 76.5 ב־SWE Multilingual ו־57.0% ב־Terminal Bench 2. במשימות למידת מכונה תחרותיות ב־MLE Bench Lite הוא מדווח על 66.6% זכייה במדליות. הנתונים האלה מעידים על תפיסה טובה של פקודות מסוף, תיקון באגים בסביבות רב לשוניות, ויכולת עבודה ישירה מול קוד קיים.

מתאים ל

תחקור תקלות ייצור
ניתוח לוגים, מדדי ניטור ושאילתות מסדי נתונים לזיהוי שורש תקלה בזמן קצר.
סוכנים מרובי תפקידים
הפעלת צוותי סוכנים אוטונומיים עם חלוקת תפקידים ושימוש בדינמיקת כלים.
עריכת מסמכים וגיליונות
יצירה ועדכון של קובצי וורד, אקסל ומצגות בסבבי עריכה מרובים לפי דרישות.

איפה זה נופל

הכרטיס מציג נקודת תורפה ברורה בתאימות תוכנה, עם איסור מפורש על שימוש ב־CUDA 13.2 שמחייב בדיקת גרסאות מוקדמת בסביבת ההרצה. בנוסף, על אף ציונים גבוהים בבדיקות הנדסה, במבחן NL2Repo הוא מגיע ל־39.8% בלבד, כך שתרגום דרישות שפה לקוד של מאגר שלם עדיין מוגבל ומייצר שגיאות. אין בכרטיס נתונים על תמיכה בעברית, ולכן חובה לבדוק את התנהגותו עם טקסט מקומי לפני שילוב במערכת.

שאלות
נפוצות

האם כדאי להוריד את כל שלושת הטרה בייט של המאגר?

לא. המאגר מכיל גרסאות כימות שונות שמיועדות לחומרה מגוונת. בוחרים ומורידים רק את קובצי ה־GGUF המתאימים לכימות הספציפי שאתם רוצים להריץ.

אילו הגדרות הרצה מומלצות למודל?

היוצרים ממליצים להגדיר temperature של 1.0, ערך top_p של 0.95, וערך top_k של 40. הם ממליצים גם להשתמש בהנחיית המערכת המקורית שמזהה את המודל.

איך מריצים

נפח הקבצים הכולל במאגר עומד על 3.0 טרה בייט שמחולקים ל־104 קבצים. המספר הזה משקף את כל רמות הכימות הזמינות יחד, כך שאין צורך להוריד את כולו, אלא רק את הקבצים של רמת הדיוק הרצויה. עדיין מדובר במודל ענק שמחייב שרתי שריג מרובי מאיצים גרפיים עם זיכרון וידאו עצום, או מערכי מעבדים ייעודיים לתשתיות ארגוניות.

היוצרים מדגישים במפורש שאסור להשתמש ב־CUDA 13.2 להרצת קובצי ה־GGUF האלה. אם אין ברשותכם חומרה ייעודית בהיקף כזה, עדיף להשתמש ב־API הרשמי של MiniMax במקום להסתבך עם אחסון וניהול שרתים יקרים.

ollama run hf.co/unsloth/MiniMax-M2.7-GGUF:Q4_K_M

איזו גרסה

אותו מודל בכמה רמות דחיסה. ככל שהמספר נמוך יותר הקובץ קטן יותר ורץ על פחות זיכרון, והתשובות נהיות פחות מדויקות. רוב האנשים רוצים את הגדולה ביותר שנכנסת להם בזיכרון.

IQ2_M50.0 GB Q5_K_S50.0 GB Q4_K_M50.0 GB Q4_K_XL50.0 GB Q5_K_M50.0 GB Q5_K_XL50.0 GB IQ3_XXS50.0 GB Q3_K_XL50.0 GB

הקבצים

104 קבצים במאגר, 3.0 TB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון מוגדר כ־other והכרטיס מפנה לקובץ תנאים חיצוני במאגר המקורי. לא מדובר ברישיון קוד פתוח מוכר וסטנדרטי כמו MIT או אפאצ'י, ולכן אסור להניח שמותר להשתמש בו מסחרית או להפיץ אותו באופן חופשי בלי לבדוק את התנאים המשפטיים המדויקים שהחברה הכתיבה.

הרישיון המלא בעמוד המודל ↗