Ngày 19/10, startup trí tuệ nhân tạo MiniMax chính thức công bố mô hình đa phương thức mới mang tên M3.1 Flash, đồng thời xác nhận đây chính là bản hoàn thiện của mô hình thử nghiệm ẩn danh Space Bunny từng đứng đầu nhiều bảng xếp hạng cộng đồng với lưu lượng phục vụ hơn 200 nghìn tỷ token. Đi kèm với mô hình là M-Code (MiniMax Code), một agent dòng lệnh chạy trực tiếp trong terminal nhằm giải quyết bài toán chi phí và khả năng kiểm soát khi lập trình tự động.
Theo kế hoạch được hãng chia sẻ, toàn bộ trọng số mô hình (weights) của M3.1 Flash sẽ được phát hành dưới dạng mã nguồn mở trên nền tảng Hugging Face vào ngày 23/10.
Đột phá về bài toán chi phí và tốc độ suy luận cho agent
Khác với các đợt nâng cấp mô hình chỉ tập trung nâng điểm chuẩn mực, MiniMax định vị M3.1 Flash là giải pháp tái cấu trúc bài toán kinh tế học của AI agent. So với phiên bản M3 trước đó, M3.1 Flash được tối ưu hóa để cắt giảm chi phí vận hành xuống còn một phần ba, trong khi tăng tốc độ phản hồi lên gấp 3 lần.
Bảng giá giao diện lập trình ứng dụng (API) của mô hình được niêm yết ở mức cố định: 0,15 USD cho mỗi 1 triệu token đầu vào và 0,60 USD cho mỗi 1 triệu token đầu ra. Đáng chú ý, chi phí đọc lại dữ liệu trong bộ nhớ đệm (cache reads) chỉ ở mức 0,015 USD cho mỗi 1 triệu token, tương đương mức giảm 90% so với giá nạp mới. Mức phí này mở ra khả năng duy trì các chuỗi tác vụ dài, lặp lại nhiều vòng kiểm thử mã nguồn mà không khiến ngân sách vận hành bị đội lên quá mức.
Về mặt kỹ thuật, M3.1 Flash hỗ trợ cửa sổ ngữ cảnh lên tới 1 triệu token, cho phép tiếp nhận toàn bộ cấu trúc dự án mã nguồn hoặc tài liệu kỹ thuật lớn trong một phiên làm việc. Mô hình cũng cho phép nhà phát triển điều chỉnh độ sâu suy luận (thinking depth) linh hoạt từ mức thấp đến tối đa ngay giữa phiên xử lý, giúp linh hoạt đánh đổi giữa độ trễ phản hồi và chiều sâu phân tích tùy theo từng bước công việc cụ thể.
Hiệu năng đo kiểm và thử nghiệm gỡ lỗi trong thực tế
Trên các bộ dữ liệu đo kiểm tiêu chuẩn, MiniMax ghi nhận M3.1 Flash đạt các mốc hiệu năng hàng đầu ở phân khúc mô hình tinh gọn: chỉ số tự động hóa cộng tác đạt 62% trên Automation-Bench và 30% trên bài kiểm tra ALE; năng lực giải quyết lỗi kỹ thuật phần mềm đạt 74% trên DeepSWE; trong khi khả năng suy luận thị giác đạt 91% trên BabyVision.
Đánh giá thực nghiệm độc lập từ MindStudio trên bản xem trước của mô hình và công cụ M-Code cũng cho thấy những kết quả thực tế đáng chú ý:
-
Khả năng gỡ lỗi hệ thống phức tạp: Trong thử nghiệm tìm lỗi ẩn bên trong câu truy vấn cơ sở dữ liệu DB2 kế thừa gồm 6 bảng kết hợp (joins), nơi lỗi tính toán ranh giới ngày tỷ giá chỉ phát sinh vào một vài ngày hiếm hoi trong năm, M3.1 Flash đã chỉ ra điểm sai sót gần như ngay lập tức và khớp hoàn toàn với phương án sửa lỗi chuẩn.
-
Ra quyết định đa phương thức có xung đột: Khi đóng vai trò khối điều hướng cho thiết bị bay không người lái dựa trên một khung hình camera duy nhất kèm các tín hiệu trái ngược (pin chỉ còn 18%, có dây điện vắt ngang đường và một người đang giơ tay báo động), mô hình đã phân tích đúng quy tắc ưu tiên an toàn, quyết định hạ cánh khẩn cấp xuống bãi đáp thay vì tiếp tục hành trình và xuất dữ liệu JSON chuẩn xác.
-
Tạo lập sản phẩm tự động: Trong tác vụ tạo một tựa game 3D từ đầu thông qua kịch bản Blender và công cụ Godot, agent hoàn thành toàn bộ khối mã nguồn điều khiển di chuyển, nhảy và cơ chế chướng ngại vật trong 30 phút mà không cần người dùng can thiệp, dù góc nhìn camera vẫn cần tinh chỉnh thủ công để hoàn thiện trải nghiệm.
Agent dòng lệnh M-Code và quyền can thiệp của lập trình viên
Điểm nhấn quan trọng trong đợt ra mắt lần này là công cụ dòng lệnh M-Code. Vận hành trực tiếp từ terminal thay vì giao diện trình duyệt hay tiện ích mở rộng trong môi trường phát triển tích hợp, M-Code cung cấp cơ chế thực thi đa bước gồm tạo lập tệp tin, tự chạy lệnh kiểm tra và đối chiếu kết quả.
Khác với nhiều agent mã nguồn thường rơi vào vòng lặp thao tác bất tận khi gặp sự cố, M-Code hỗ trợ tính năng tạm dừng tác vụ giữa chừng (pause mid-task). Khả năng này cho phép kỹ sư trực tiếp can thiệp, rà soát lại nhật ký các bước đã hoàn thành mà không phải lục tìm các tệp ghi chép phức tạp, từ đó uốn nắn hướng tiếp cận trước khi cho phép hệ thống chạy tiếp.
Việc kết hợp giữa một mô hình giá rẻ, tốc độ cao và công cụ dòng lệnh cho phép kiểm soát luồng thực thi cho thấy MiniMax đang chuyển dịch trọng tâm sang tính thực dụng của agent trong công việc hàng ngày. Khi trọng số được mở vào ngày 23/10, cộng đồng mã nguồn mở sẽ có thêm một phương án đáng cân nhắc để tự lưu trữ và xây dựng các hệ thống agent phục vụ sản xuất.