این هفته شرکت مینی‌مکس (MiniMax) که با پشتیبانی علی‌بابا و تنسنت تا کنون ۸۵۰ میلیون دلار سرمایه جذب کرده و ارزش اون بیش از ۲.۵ میلیارد دلار هست، از سه مدل جدید هوش مصنوعی رونمایی کرد. این مدل‌ها شامل MiniMax-Text-01 برای پردازش متن، MiniMax-VL-01 برای درک تصویر و متن، و T2A-01-HD برای تولید صدا می‌شن.

مدل MiniMax-Text-01 با ۴۵۶ میلیارد پارامتر، ادعا می‌کنه که از مدل‌های مطرحی مثل Gemini 2.0 Flash گوگل در معیارهای MMLU و SimpleQA عملکرد بهتری داره. نکته قابل توجه اینه که این مدل می‌تونه حدود ۴ میلیون توکن رو پردازش کنه که این ظرفیت حدود ۳۱ برابر بیشتر از مدل‌های GPT-4o و Llama 3.1 هست.

مدل MiniMax-VL-01 هم در رقابت با Claude 3.5 Sonnet شرکت Anthropic قرار گرفته و در زمینه درک چندرسانه‌ای مثل تحلیل نمودارها و دیاگرام‌ها عملکرد قابل توجهی داره. مدل T2A-01-HD که برای تولید صدا بهینه شده، می‌تونه در ۱۷ زبان مختلف از جمله انگلیسی و چینی صدای مصنوعی تولید کنه و با فقط ۱۰ ثانیه نمونه صوتی، صدای افراد رو شبیه‌سازی کنه.

نکته جالب توجه اینکه با وجود در دسترس بودن این مدل‌ها در GitHub و Hugging Face، استفاده از اونها تحت مجوز محدودکننده MiniMax قرار داره و پلتفرم‌هایی با بیش از ۱۰۰ میلیون کاربر فعال ماهانه باید مجوز ویژه‌ای از MiniMax درخواست کنن.

میتونید از اینجا به صورت رایگان یا از طریق اوپن روتر به این مدل‌ها دسترسی داشته باشید.

@aipulse24