MiniMax Rancang Model AI Gergasi 2.7 Trilion Parameter, Saingi Gergasi Teknologi

Peringatan penting: Nama rasmi model ini mungkin berbeza. Walaupun sumber dan memanggilnya "M3 Pro", laporan Reuters tidak menyebut nama kod tersebut secara spesifik.

Perbandingan Dengan Model Sedia Ada MiniMax

MiniMax telah menunjukkan kemajuan pantas dalam pembangunan model AI mereka.

Lompatan daripada ~428 bilion parameter model M3 kepada 2.7 trilion mewakili peningkatan ~6.3 kali ganda dalam jumlah parameter. Jika MiniMax mengekalkan pendekatan MoE (Mixture-of-Experts), bilangan parameter aktif setiap panggilan mungkin kekal dalam lingkungan puluhan bilion, tetapi jumlah keseluruhan tidak pernah berlaku sebelum ini untuk model sumber terbuka .

Perbandingan Dengan DeepSeek-V4-Pro dan Model Terbuka China Lain

DeepSeek-V4-Pro merupakan model sumber terbuka utama DeepSeek yang dilancarkan pada 23 April 2026 . Berikut adalah perbandingan utama:

• DeepSeek-V4-Pro: 1.6T jumlah parameter, 49B aktif, lesen MIT, pakar algoritma teks tulen (80.6% SWE-bench Verified, tertinggi dalam kalangan model sumber terbuka) .
• MiniMax M3 (semasa): ~428B jumlah / ~23B aktif — lebih kukuh pada tugasan multimodal dan matematik, tetapi lebih lemah pada penanda aras pengekodan tulen berbanding DeepSeek-V4-Pro .
• Model 2.7T yang dirancang: Akan mengatasi kedua-dua DeepSeek-V4-Pro (1.6T) dan MiniMax M3 (428B) dari segi jumlah parameter .

Analisis menunjukkan M3 dan V4-Pro "hampir tidak bersaing" kerana dioptimumkan untuk beban kerja berbeza: M3 untuk pengekodan multimodal dan tugasan konteks panjang, V4-Pro untuk pemprosesan algoritma teks tulen yang lebih murah .

Model China lain yang turut bersaing:

• Tencent Hy3 (Hunyuan 3.0) — Dilancarkan sepenuhnya 6 Julai 2026 di bawah lesen Apache 2.0. Model MoE 295B (21B aktif, 192 pakar) dengan konteks 256K, diterajui oleh bekas penyelidik OpenAI, Shunyu Yao .
• Ant Group Ling-2.6-flash (22 April 2026) — Model MoE 104B/7.4B aktif yang fokus pada kecekapan .

Strategi Sumber Terbuka China: Saingan Geopolitik dan Pasaran

Kehadiran model sumber terbuka China yang berturut-turut mencerminkan strategi geopolitik dan persaingan:

• Perlumbaan skala: Model 2.7T MiniMax akan mengatasi mana-mana model sumber terbuka Barat dari segi jumlah parameter, mencabar naratif "kelebihan pengiraan" AS .
• Lesen longgar: Lesen Apache 2.0 (MiniMax M1, Tencent Hy3) dan MIT (DeepSeek V4-Pro) membenarkan penggunaan komersial tanpa sekatan .
• Pemindahan bakat: Tencent Hy3 diterajui oleh pengambilan dari OpenAI, menggambarkan aliran dua hala bakat AI .
• Persaingan harga: DeepSeek V4 Pro ($0.435/M token input) dan MiniMax M3 ($0.30/M) menawarkan harga yang sangat kompetitif berbanding model Barat .
• Pencapaian setanding: MiniMax M3 (59.0% SWE-bench Pro) mengatasi GPT-5.5 (58.6%), manakala DeepSeek V4 Pro (80.6% SWE-bench Verified) adalah terbaik dalam kalangan model sumber terbuka .

Trend ini menunjukkan China bukan lagi pengikut yang terhad perkakasan, tetapi pemimpin dalam keluaran model sumber terbuka, menggunakan keterbukaan sebagai kelebihan daya saing .

Cabaran Pengkomputeran Model 2.7 Trilion

Model 2.7T sumber terbuka akan menghadapi cabaran besar dalam penggunaan:

• Keperluan memori: Dalam kuantiti 8-bit, 2.7T parameter memerlukan ~2.7 TB memori GPU. Dalam FP16, ia meningkat kepada ~5.4 TB, memerlukan beratus-ratus GPU (contohnya, 200+ H100 dengan 80 GB setiap satu).
• Seni bina MoE mungkin: Jika MiniMax mengekalkan nisbah aktif yang rendah pada model ini (cth., ~135B aktif), inferens mungkin dapat dilakukan pada kelompok yang lebih kecil daripada yang dijangkakan, tetapi masih jauh di luar kemampuan satu GPU .
• Latihan: Latihan model sebesar ini akan memerlukan belanjawan pengkomputeran yang sangat besar, mungkin berpuluh-puluh ribu GPU-bulan.
• Pengedaran: Mengedarkan model 2.7T yang boleh mencapai 5+ TB adalah cabaran logistik untuk Hugging Face dan repositori lain.

Walau bagaimanapun, MiniMax telah menunjukkan kecekapan kejuruteraan yang kukuh — M1 dilatih dengan 70% kurang pengiraan berbanding DeepSeek R1 sambil mencapai penanda aras yang kompetitif .

Kesimpulan: Era Baru AI Sumber Terbuka China

Model 2.7 trilion parameter MiniMax yang dirancang menandakan satu lonjakan besar dalam perlumbaan AI global. Jika berjaya, ia akan mengubah landskap AI sumber terbuka dan mencabar dominasi model tertutup Barat. Dengan lesen longgar, harga kompetitif, dan pencapaian setanding dengan model utama, China sedang membuktikan diri sebagai peneraju dalam inovasi AI sumber terbuka. Dunia kini menanti-nanti sama ada model sebesar ini dapat direalisasikan dan apakah impaknya terhadap kos, akses, dan pembangunan AI pada masa hadapan.