أطلقت MiniMax نموذج M3.1 Flash بوصفه نظامًا موجهًا إلى المهام التي تنفذها وكلاء الذكاء الاصطناعي داخل بيئات العمل، مثل التعامل مع تطبيقات المبيعات والعمليات والدعم المالي والموارد البشرية. ويأتي الإصدار في وقت تتنافس فيه النماذج منخفضة التكلفة على استبدال الأنظمة الأغلى في الأعمال المتكررة متعددة الخطوات.
تفاصيل الخبر
في اختبار Automation-Bench، الذي يقيس قدرة الوكيل على إتمام إجراءات عبر برامج الأعمال، سجل النموذج 62.2 نقطة بحسب جدول المقارنة الذي نشرته الشركة. وتقدم بذلك على DeepSeek V4.1 Flash-1017 الذي سجل 60.5 نقطة، كما تجاوز النتائج المعلنة لنموذجي GPT-5.6 Sol وClaude Opus 5 في الاختبار نفسه.
لم يكن التفوق شاملًا في جميع المهام. فقد تعادل M3.1 Flash مع Claude Opus 5 عند 76.2 نقطة في BankerToolBench، وهو اختبار يركز على سير العمل المالي وتناسق الوثائق والامتثال واستخدام الأدوات. لكنه جاء خلف نماذج منافسة في بعض اختبارات البرمجة وتشغيل الحاسوب، ما يشير إلى أن قوته الأساسية تقع في أتمتة الإجراءات المكتبية أكثر من كل فئات العمل الاحترافي.
وتبدو الكلفة عنصرًا مركزيًا في استراتيجية الإصدار. تسعر MiniMax مليون رمز إدخال بنحو 0.15 دولار، ومليون رمز إخراج بنحو 0.60 دولار، مع سعر أقل للمدخلات المخزنة مؤقتًا. كما تقول الشركة إن النموذج أسرع بنحو ثلاث مرات من سابقه وإنه يخفض كلفة تشغيل وكلاء الذكاء الاصطناعي بنسبة تصل إلى 70%، وهي أرقام تحتاج إلى اختبار مستقل في ظروف استخدام فعلية.
أظهرت تقييمات Artificial Analysis تحسنًا في المؤشر العام للذكاء، إذ حصل M3.1 Flash على 42 نقطة مقابل 29 نقطة للإصدار السابق M3، بينما بلغت كلفة المهمة التقييمية المتوسطة نحو 0.22 دولار مقارنة بنحو 0.51 دولار سابقًا. كما سجل 48% في اختبار Humanity's Last Exam و22% في اختبار CritPt للقدرات الفيزيائية، مع استخدام عدد أقل من رموز الإخراج مقارنة ببعض النماذج المنافسة.
لكن جانب الموثوقية يفرض حذرًا واضحًا قبل استخدام النموذج في قرارات لا تخضع للمراجعة. ففي اختبار AA-Omniscience، أجاب النموذج عن 56% من الأسئلة المعرفية إجابات صحيحة، متقدمًا على DeepSeek V4.1 Flash-1017 وGLM-5.3 Flash من حيث الاستدعاء الصحيح. غير أن التقييم نفسه رصد معدل هلوسة بلغ 93% وفق تعريفه الخاص، أي إن الإجابات غير الصحيحة كانت تميل إلى تقديم معلومات خاطئة بدل التصريح بعدم اليقين.
ولا يعني هذا الرقم أن 93% من جميع إجابات النموذج خاطئة؛ بل يقيس نسبة الإجابات غير الصحيحة التي جاءت في صورة ادعاءات خاطئة بدل الرفض أو الإجابة الجزئية. ومع ذلك، تظل النتيجة مهمة للشركات التي تخطط لاستخدامه في تحديث السجلات أو تحليل المستندات المالية أو البحث عن العملاء، لأن الخطأ الواثق قد يمر إلى النظام التشغيلي ما لم توجد طبقات تحقق إضافية.
يتوفر M3.1 Flash حاليًا عبر واجهة برمجة التطبيقات وخدمات الاشتراك وتطبيق مخصص للبرمجة، بينما أعلنت MiniMax أن الأوزان ستصدر في 23 أكتوبر 2026، من دون حسم تفاصيل الترخيص في المعلومات المتاحة وقت الإطلاق. وقد يغير الإصدار المفتوح كليًا أو جزئيًا حسابات المؤسسات التي تفضل تشغيل النماذج داخل بنيتها التحتية، لكن ذلك سيتوقف على متطلبات العتاد وشروط الاستخدام.
الخلاصة العملية للشركات هي أن النموذج قد يكون مناسبًا للفرز الأولي، وتوجيه الأدوات، وملء النماذج، ومعالجة المهام ذات الحجم الكبير عندما تكون الكلفة والسرعة أولوية. أما الاستخدامات التي تتطلب دقة معرفية عالية أو تنفيذًا مستقلًا بلا مراجعة بشرية، فتحتاج إلى استرجاع مصادر موثوقة، واختبارات داخلية، وسجلات تدقيق، وربما تمرير القرارات الحساسة إلى نموذج أكثر تحفظًا.
وتبقى المقارنات الأولية بحاجة إلى قراءة متأنية، لأن عددًا من النتائج صادر عن MiniMax نفسها، ولأن اختلاف أدوات الاختبار ودرجات الاستدلال وطريقة تشغيل الوكلاء قد يؤثر في النقاط. لذلك لن يتحدد موقع M3.1 Flash الحقيقي في سوق النماذج المؤسسية إلا بعد ظهور اختبارات مستقلة وبيانات استخدام طويلة الأمد تكشف أداءه في المهام الواقعية، لا في الجداول المعلنة فقط.
العودة إلى جميع الأخبار
