MiniMax: MiniMax M2.5

MiniMax M2.5 هو نموذج نصي من MiniMax، مُدرج على api14 تحت معرّف النموذج minimax/minimax-m2.5. تصفه MiniMax بأنه نموذج لغوي كبير متطور بُني لتحقيق الإنتاجية في العالم الواقعي، ومُدرَّب عبر مجموعة متنوعة من بيئات العمل الرقمية الواقعية المعقدة، وهو يبني على الخبرة البرمجية لـ M2.1. يقع في فئة النصوص، لذا فهو موجّه للعمل اللغوي بدلًا من توليد الصور أو الصوت أو الفيديو.

يأخذ النموذج النص كمدخل ويعيد النص كمخرج. تبلغ نافذة السياق لديه 204,800 رمز ويمكنه إنتاج ما يصل إلى 128,000 رمز في استجابة واحدة، وهو ما يكفي لاستيعاب المستندات الطويلة في جانب المدخلات والإجابات المطوّلة والمفصّلة في جانب المخرجات. من بين المعاملات التي يدعمها هناك temperature و top_p و top_k و min_p و repetition_penalty و frequency_penalty و presence_penalty للتحكم في أخذ العينات، إضافة إلى max_tokens و stop لتشكيل طول الاستجابة ونهايتها. كما يدعم reasoning و include_reasoning، وهما مهمان عندما تريد أن يعمل النموذج على حل المشكلة قبل الإجابة.

ولأن المزوّد يضع M2.5 في إطار الإنتاجية الواقعية والبرمجة، فإن الاستخدامات الطبيعية له هي المهام البرمجية مثل توليد الشيفرة وإعادة هيكلتها وتصحيح الأخطاء وشرحها، إلى جانب أعمال المعرفة العامة المحيطة بها: صياغة المستندات الطويلة وتحريرها، وتلخيص المدخلات الكبيرة، واستخراج البيانات المهيكلة، والإجابة عن الأسئلة المتعلقة بمواد تتسع داخل نافذة السياق. يناسب الحد الكبير المسموح به للمخرجات المهام التي تكون الإجابة نفسها فيها طويلة، مثل إنتاج ملف كامل أو تقرير مفصّل أو خطة متعددة الأجزاء في نداء واحد. يجعل استخدام الأدوات والمخرجات المهيكلة منه خيارًا معقولًا لسير العمل بأسلوب الوكلاء حيث يتعين على النموذج استدعاء الدوال أو إرجاع البيانات بشكل ثابت.

يمكنك استدعاؤه عبر واجهة api14 المتوافقة مع OpenAI من خلال ضبط حقل model على minimax/minimax-m2.5 في طلب chat completion، باستخدام نفس مكتبات العميل وشكل الطلب الذي تستخدمه مع OpenAI. تغطي المعاملات المدعومة عناصر التحكم المعتادة في أخذ العينات (temperature، top_p، top_k، min_p، repetition_penalty، frequency_penalty، presence_penalty)، وعناصر التحكم في الطول والإيقاف (max_tokens، stop)، وخيارات الحتمية والفحص (seed، logit_bias، logprobs، top_logprobs)، وتشكيل المخرجات (response_format، structured_outputs)، واستخدام الأدوات (tools، tool_choice). يُتاح سلوك الاستدلال عبر reasoning و include_reasoning، بحيث يمكنك أن تقرر ما إذا كان محتوى الاستدلال يُعاد إلى جانب الإجابة النهائية.

وبما أن النموذج لا يقبل سوى النص، فإن المهام التي تعتمد على الصور أو الصوت أو أي مدخلات غير نصية تقع خارج نطاقه وتحتاج إلى نموذج يمتلك أنماط الإدخال تلك. وينطبق الأمر نفسه إذا كنت بحاجة إلى مخرجات غير نصية. أما أحمال العمل النصية التي تتوافق مع حدود السياق والمخرجات المذكورة أعلاه، فإن minimax/minimax-m2.5 خيار مباشر يستحق التقييم، وتمنحك قائمة المعاملات تحكمًا كافيًا لضبط أخذ العينات وفرض البنية وربطه في مسارات استدعاء الأدوات.