MiniMax · pașaport de model
MiniMax: MiniMax M3
minimax-m3- Ponderi deschise
- Licență MiniMax Community License
- 427.0B parametri
- 1,048,576 context
- Lansat 2026-06-02(repo HF creat)
- General · LMArena
- 1,441#86 din 396
- Cea mai bună percentilă
- 99.4IFBench (Artificial Analysis)
- Poziția în cohortă
- 59.8mediană 59.3
Ce spun datele
Evaluat pe 14 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Cele mai puternice axe
- 99.4 pct — IFBench (Artificial Analysis) (82.9%)
- 86.4 pct — GPQA Diamond (90.9%)
Cele mai slabe axe
- 10.9 pct — Agent Arena (-0.079)
Neuniform: 88,5 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 99.4 pct pe IFBench (Artificial Analysis) față de 10.9 pct pe Agent Arena.
- IFBench (Artificial Analysis)99.4 pct82.9%Verifică →
- GPQA Diamond86.4 pct90.9%Verifică →
- Programare80.3 pct1,497Verifică →
- Urmarea instrucțiunilor80.3 pct1,435Verifică →
- Prompturi dificile80.1 pct1,464Verifică →
- General78.5 pct1,441Verifică →
- LiveBench76.3 pct67.3%Verifică →
- Vision Arena60.7 pct1,236Verifică →
- WebDev Arena59 pct1,482Verifică →
- AIME (matematică)52.5 pct71.1%Verifică →
- Factuality Arena45.3 pct1,435Verifică →
- SimpleBench41.4 pct45.8%Verifică →
- Document Arena15.8 pct1,433Verifică →
- Agent Arena10.9 pct-0.079Verifică →
- Search ArenaNeevaluat
- FrontierMathNeevaluat
- SimpleQA VerifiedNeevaluat
- ARC-AGI-2Neevaluat
- Humanity's Last ExamNeevaluat
- BFCL v4 (apelare de funcții)Neevaluat
- SWE-bench Verified (clasament live)Neevaluat
- Terminal-Bench 4.0Neevaluat
- MMLU-Pro (Artificial Analysis)Neevaluat
- LiveCodeBench (Artificial Analysis)Neevaluat
- Halucinații HHEM (Vectara)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.
Cum îl rulezi
Rulează-l singur
Transformers
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "MiniMaxAI/Minimax-M3"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)Ollama
Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →
Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →
Folosește-l găzduit
minimax/minimax-m3Parametri API acceptați de acest endpoint
Exemplu de cerere
curl https://openrouter.ai/api/v1/chat/completions \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"minimax/minimax-m3","messages":[{"role":"user","content":"Hello"}]}'Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.
minimax-m3 stands at 59.8 (raw mean 61.9) — measured on 14 of 27 axes.
minimax-m3 stands at 59.8 versus a cohort median of 59.3 across 212 models released within 180 days — above the peer median.
minimax-m3 scores at percentile 99.4 on IFBench (Artificial Analysis).
minimax-m3 scores at percentile 86.4 on GPQA Diamond.
minimax-m3 scores at percentile 10.9 on Agent Arena.
minimax-m3 shows a 88.5-point percentile gap across 14 covered axes: 99.4 on IFBench (Artificial Analysis) versus 10.9 on Agent Arena.
Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →