SGLang beschleunigt MiniMax-H3 verlustfrei um das 1,95-Fache
LMSYS testet SGLang Diffusion auf 8 H200-Karten: Der verlustfreie Pfad ist 1,95-mal schneller als Diffusers, für das 6,24-Fache muss man Bildqualität eintauschen.
10 geprüfte Beiträge zu MiniMax, Produkten und Branchenentwicklungen.
LMSYS testet SGLang Diffusion auf 8 H200-Karten: Der verlustfreie Pfad ist 1,95-mal schneller als Diffusers, für das 6,24-Fache muss man Bildqualität eintauschen.
MiniMax hat mit Design eine multimodale Kreativplattform vorgestellt, die mit KI-Agenten 15-Sekunden-Clips des Videomodells H3 zu bis zu dreiminütigen Filmen verbindet – ein Angriff auf professionelle Schnitt-Workflows.
MiniMax H3 verbindet 2K-Video bis 15 Sekunden, natives Stereo, RMB 0,8 pro Sekunde und angekündigte offene Gewichte.
MiniMax sammelt weitere 16 Mrd. HKD. Eine knappe Einordnung der geprüften Fakten und des Branchensignals dahinter.
Zhipu und MiniMax vor Hongkonger Lock-up-Test. Der Beitrag ordnet Bericht, Kennzahlen, Aussagen der Unternehmen und die Folgen für Markt oder Regulierung ein.
MiniMax hat das Open-Weight-Modell M3 mit 1-Million-Token-Kontext, fortschrittlichen Codierfähigkeiten und nativer Multimodalität veröffentlicht und behauptet, das erste Modell zu sein, das alle drei vereint.
MiniMax M2.7 nutzt das OpenClaw-Agent-Framework, um automatisch Experimente auszuführen, Logs zu lesen, Metriken zu analysieren und Code anzupassen – über 100 Zyklen ohne menschliches Eingreifen, was die internen Bewertungswerte um 30 % steigerte. Das Modell hat 230B Parameter, aktiviert aber nur 10B pro Inferenz und ist als Open Source verfügbar.
MiniMax stellt die M1-Reihe von Reasoning-Modellen vor, die auf Mathematik, Programmierung und logische Analyse spezialisiert sind. Die verbesserte Version M2.5 erreicht 80,2 % im SWE-bench Verified und platziert sich in der weltweiten Spitzengruppe.
MiniMax, ein im chinesischen AI-Bereich eher zurückhaltendes Unternehmen, hat mit der Videogenerierungsfähigkeit von Hailuo AI einen beachtlichen Ruf aufgebaut.
MiniMax-01 nutzt Lightning Attention, eine Variante der linearen Aufmerksamkeit, um die Rechenkomplexität von O(n²) auf nahezu O(n) zu reduzieren und so bei langen Kontexten deutliche Geschwindigkeitsvorteile zu erzielen.