شركة ناشئة صينية لتوليد الفيديو تفاجئ بهدوء بتفوقها على Claude Opus في البرمجة

بينما كان عالم الذكاء الاصطناعي يراقب OpenAI و Anthropic، أطلق مختبر صيني بهدوء نموذجًا يلبي المعيار العالي للهندسة البرمجية الآلية. أصدرت MiniMax، المعروفة حتى وقت قريب بنماذج توليد الفيديو، M2.7، وهو نموذج لغوي سجل 56.22% على معيار SWE-Pro. وتقول الشركة إن هذه النتيجة قريبة من عائلة Opus من Claude. minimax-launches-m27-model-with-strong-software-engineering-and-office-productivity-skills

يختبر SWE-Pro مدى جودة تعامل النموذج مع مهام هندسة البرمجيات في العالم الحقيقي: إصلاح الأخطاء، كتابة التصحيحات، التنقل في قواعد التعليمات البرمجية. فقط حفنة من النماذج تجاوزت 50% على هذا المعيار، ومعظمها ينتمي إلى مختبرات بميزانيات أكبر بكثير. MiniMax، وهي شركة ناشئة أسسها باحثون سابقون كبار من Huawei و Microsoft، تلعب الآن في هذا الدوري. cognitions-swe-17-pushes-coding-agent-cost-performance-further-with-42-benchmark-score

لكن M2.7 ليس مجرد برمجة. ورقة المعايير مليئة بالادعاءات التي تغطي مجالات متعددة: تسليم المشروع بالكامل على VIBE-Pro (55.6%)، فهم عميق للنظام على Terminal Bench 2 (57.0%)، وأعلى درجة في الإنتاجية المكتبية. على GDPval-AA، الذي يقيس كفاءة تحرير المستندات عبر Excel و PowerPoint و Word، حقق M2.7 Elo قدره 1495، وهو الأعلى بين النماذج المفتوحة، وفقًا لـ MiniMax.

الالتزام بالمهارات على نطاق واسع

أحد الأرقام الأكثر كشفًا في عرض MiniMax التسويقي هو معدل الالتزام بالمهارات بنسبة 97% على ما تسميه الشركة 'المهارات المعقدة'، وهي المهام التي تتطلب أكثر من 2000 رمز من التعليمات. في عالم تُكلف فيه نماذج اللغات الكبيرة بشكل متزايد بسير عمل متعددة الخطوات ومعززة بالأدوات، قد تكون القدرة على اتباع تعليمات طويلة ومعقدة دون هلوسة أو انحراف أكثر قيمة من درجة عالية في معيار رياضي ثابت. why-your-ai-agent-might-ace-the-task-but-flunk-the-process-enter-skillcoach

سلطت MiniMax الضوء أيضًا على الأداء على معيار MMClaw، الذي يقيم النماذج ضمن إطار عمل OpenClaw الوكيل، وهو بيئة اختبار شائعة بشكل متزايد لاختبار كيفية تفاعل النماذج مع أدوات البرمجيات. على هذا المعيار، يقترب M2.7 من أداء Sonnet 4.6، أحدث نماذج Anthropic.

تدفع الشركة أيضًا سردية حول التطور الذاتي والتعاون متعدد الوكلاء، وهما كلمتان طنانتان تشيران عمليًا إلى قدرة النموذج على تصميم حزام الوكيل الخاص به وتنسيق المهام الفرعية عبر مكالمات استدلال متعددة. تدعي MiniMax أن M2.7 يمكنه بناء أحزمة وكيل معقدة بشكل مستقل لإكمال مهام الإنتاجية من البداية إلى النهاية. إذا كان هذا صحيحًا، فسيقلل من حاجة المهندسين إلى بناء سقالات مصنوعة يدويًا لكل خط أنابيب أتمتة جديد. recursivemas-scaling-multi-agent-collaboration-through-latent-space-recursion

مستويان، نفس النتيجة

تصدر MiniMax M2.7 في مستويين للاستدلال: النموذج القياسي وإصدار عالي السرعة يُدعى M2.7-highspeed. تعد الشركة بجودة مخرجات متطابقة على كليهما، مع مقايضة الإصدار عالي السرعة بزمن الاستجابة مقابل الإنتاجية. يمكن الوصول إلى كلا المستويين عبر واجهة برمجة تطبيقات MiniMax ويدعمان التخزين المؤقت التلقائي، وهي ميزة يمكن أن تقلل التكاليف بشكل كبير للاستفسارات المتكررة.

يتوفر النموذج أيضًا عبر منصة MiniMax الوكيلة الخاصة بها، مما يلغي الحاجة إلى البرمجة لتجربة النموذج. للفرق التي تستخدم بالفعل أدوات البرمجة بالذكاء الاصطناعي مثل Cursor أو Windsurf، تقدم MiniMax تكاملاً مباشرًا.

تظل الأسعار دون تغيير عن نماذج MiniMax السابقة، مما يضع M2.7 كخيار محتمل للفرق التي تريد توليد كود قريب من أحدث ما توصلت إليه التكنولوجيا دون التكلفة لكل رمز للمختبرات الغربية الرائدة. minimax-launches-m25-a-coding-and-agentic-ai-model-with-state-of-the-art-performance

سباق من نوع أكثر هدوءًا

يأتي إصدار M2.7 في وقت انقسم فيه سباق نماذج اللغات الكبيرة إلى اتجاهين. من جهة، تتنافس مختبرات مثل OpenAI و Anthropic على الذكاء العام والقدرة متعددة الوسائط وعمق سلسلة التفكير. من جهة أخرى، يركز عدد متزايد من المنافسين، DeepSeek و Qwen و Mistral والآن MiniMax، على شرائح مستهدفة وعالية القيمة من السوق حيث يتم تعويض الدرجة الأدنى قليلاً في معيار واسع بأداء فائق في مهام محددة أو تكلفة أقل أو تكامل أدوات أفضل.

المقارنة الصريحة مع Claude Opus و Sonnet هي اختيار تكتيكي. من خلال تسمية الأسماء والاستشهاد بالمعايير، تخبر MiniMax السوق: لست بحاجة لدفع ثمن أغلى نموذج حدودي للحصول على أداء قريب من الحدودي في المهام المهمة لفريقك الهندسي. a-94x-kernel-speedup-and-a-12-hour-paper-replication-what-minimax-m3-reveals-about-chinas-frontier-ai-strategy

هناك، كما هو الحال دائمًا، سؤال يتعلق بالتفاصيل الدقيقة. لم تنشر MiniMax منهجية التقييم الكاملة لمعاييرها الداخلية، وسيستغرق التحقق المستقل وقتًا. لكن الأرقام، إذا كانت قابلة للتكرار، تمثل خطوة مهمة لنموذج مفتوح من مختبر كان، حتى هذا الأسبوع، مرتبطًا بشكل أساسي بالفيديو التوليدي بدلاً من توليد الكود.

العمل المكتبي والحفاظ على الهوية

إلى جانب الهندسة، فإن الأداء القوي لـ M2.7 في الإنتاجية المكتبية جدير بالملاحظة. درجة Elo البالغة 1495 على GDPval-AA تضعه في مقدمة العديد من النماذج ذات الأغراض العامة في تحرير المستندات، وهو مجال يمثل، على الرغم من كونه أقل بريقًا من توليد الكود، سوقًا ضخمًا يمكن الوصول إليه. قد تجد المؤسسات التي تعتمد بشكل كبير على التقارير الآلية ومعالجة جداول البيانات وتصميم العروض التقديمية أن M2.7 مفيد بشكل خاص.

تتباهى MiniMax أيضًا بقدرات النموذج على 'الحفاظ على الهوية'، وهو ادعاء بأن النموذج يحافظ على شخصية ونبرة متسقة عبر المحادثات الطويلة، وهو ما تقول الشركة إنه يفتح إمكانيات للترفيه التفاعلي وروبوتات المحادثة الموجهة للعملاء التي تتطلب تماسكًا طويل المدى. the-ai-agent-that-remembers-you-why-vitabench-20-reveals-a-chasm-between-good-chatbots-and-good-collaborators

الحزمة، مجتمعة، هي نموذج تنوي MiniMax بوضوح تقديمه كقاعدة وكيل للأغراض العامة، وليس مجرد أداة لتوليد الكود. يشير المزيج من درجات معايير البرمجة العالية والإنتاجية المكتبية والقدرة الوكيلة مع الالتزام شبه الكامل بالتعليمات إلى أن المختبر يرى ميزته التنافسية ليس في الذكاء الخام بل في الموثوقية واتساع نطاق استخدام الأدوات.