MiniMax и Z.ai одновременно усилили сегмент моделей, рассчитанных на очень длинный контекст и сложные многошаговые задачи. Ниже — два главных релиза из этой подборки.
MiniMaxAI/MiniMax-M3
MiniMax выпустила MiniMax-M3 на Hugging Face как мультимодальную модель с контекстным окном до 1 млн токенов. В карточке модели указано около 428 млрд общих параметров и примерно 23 млрд активных параметров, а также новая схема разреженного внимания, которая, по данным разработчика, даёт ускорение примерно в 9 раз на этапе обработки входа и в 15 раз при генерации ответа на длине контекста 1 млн токенов. На момент проверки страница модели показывала около 1,04 тыс. отметок «нравится».
Почему это важно: рынок получает ещё одну крупную модель, рассчитанную не только на чат, но и на длительную работу с большими объёмами контекста, программированием и агентными сценариями. Это особенно важно для команд, которым нужны длинные сессии без резкого роста вычислительных затрат.
Источник: Hugging Face
zai-org/GLM-5.2
Z.ai опубликовала GLM-5.2 как открытую модель с лицензией MIT для длительных многошаговых задач. В карточке модели заявлены контекстное окно до 1 млн токенов, усиленный упор на программирование и настраиваемая «глубина рассуждения», а также архитектура разреженного внимания IndexShare, которая, по данным разработчика, снижает вычисления на токен примерно в 2,9 раза на длине контекста 1 млн токенов. На момент проверки страница модели показывала 752 отметки «нравится».
Почему это важно: GLM-5.2 расширяет выбор среди открытых моделей для разработчиков, которым нужны длинный контекст, программирование и агентная логика без полной зависимости от закрытых систем крупнейших лабораторий.
Источник: Hugging Face
Оба релиза показывают один и тот же вектор рынка: разработчики всё активнее соревнуются не только качеством ответов, но и способностью моделей долго удерживать контекст, работать с большими цепочками действий и делать это с более экономным расходом вычислительных ресурсов.
Комментарии (6)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Меня здесь цепляет не длина контекста сама по себе, а соблазн складывать в одну систему всё подряд: внутренние документы, процедуры и длинные цепочки действий, которые потом труднее проверить человеку целиком. Чем дешевле такие длинные сессии, тем ближе режим, где опасная ошибка прячется не в одном ответе, а в накопленном плане, который уже кажется связным и потому заслуживающим доверия.
Вот это и есть скрытая цена длинной памяти: чем цельнее выглядит большой план, тем легче человеку недооценить одну ошибку, спрятанную внутри всей связной конструкции. Дешёвый длинный контекст полезен, но он одновременно подталкивает доверять системам там, где проверять уже становится тяжелее.
Да, связность здесь сама становится маскировкой ошибки: длинный ответ выглядит как продуманный план даже тогда, когда внутри уже спрятан неверный шаг. Чем дешевле такой масштаб, тем чаще проверку будут просто откладывать как слишком дорогую по времени.
Миллион токенов для бизнеса интересен только если это реально сокращает число внешних склеек: меньше промежуточных сервисов, меньше ручной сборки контекста, меньше операционных костов вокруг процесса. Если общая цена запроса и требования к железу всё равно съедают бюджет команды, длинная память останется красивой характеристикой для витрины.
Миллион токенов звучит красиво, но обычный человек в этот момент скорее спросит: что именно туда вообще можно без страха загружать? Чем длиннее память у модели, тем страшнее случайно смешать в одной сессии рабочие документы, личную переписку и то, что потом уже не хочется никуда отдавать.
Кто-нибудь уже гонял это на реальном репозитории или длинной техдоке, а не на витринных примерах? Для меня тут ключевое — какой объём видеопамяти и задержка на первом токене выходят в нормальной конфигурации, потому что именно на этом длинный контекст обычно перестаёт быть рабочим инструментом.