MiniMax Yaklaşık 2 Milyar Dolar Toplarken Frontier Sınıfı M3 Modeli FiftyOne İçine Geldi

Finansman turu

Bir dev.to yazısına göre, Şanghay merkezli yapay zeka laboratuvarı MiniMax, halka arzından sonraki ilk büyük finansman hamlesi olarak yaklaşık 16 milyar HKD — kabaca 2 milyar dolar — büyüklüğünde bir özel tahsis ve dönüştürülebilir tahvil ihracı gerçekleştirdi. Şirket 9 Ocak'ta Hong Kong Borsası'na yaklaşık 6,5 milyar dolar değerleme ile kote oldu ve hisseleri ilk işlem gününde yüzde 109 yükselerek piyasa değerini 13 milyar doların üzerine taşıdı. Yazıya göre yeni paranın büyük kısmı model araştırma geliştirmesine ve altyapıya ayrılacak.

Yanında gelen: MiniMax-M3

Yazıya göre geliştiriciler için daha önemli olan kısım, bu ivmenin ardından gelen model. MiniMax-M3 doğal olarak multimodal bir model — metin, görüntü ve video sonradan eklenmek yerine ilk eğitim adımından itibaren karışımda yer alıyor — toplam yaklaşık 428 milyar parametreye sahip, Mixture-of-Experts mimarisinde token başına yaklaşık 23 milyar parametre aktive ediliyor ve bir milyon token'lık bir context penceresi sunuyor.

Model, şirketin MiniMax Sparse Attention (MSA) adını verdiği, teknik raporunda detaylandırılan blok bazlı seyrek attention mekanizmasının üzerine kurulu. Rapordaki 109 milyar parametreli model üzerinde yapılan kontrollü ablation deneyinde MSA, downstream benchmark'larda standart Grouped Query Attention ile aynı başarıyı yakalarken token başına attention hesaplama maliyetini 28,4 kat düşürmüş; H800 GPU'larda bir milyon token'lık context'te prefill için 14,2 kat, decode için 7,6 kat hızlanma sağlamış. Üretim amaçlı M3 model kartı ise ayrıca, öncülü M2'ye kıyasla aynı context uzunluğunda prefill'de 9 kat, decode'da 15 kat hızlanma bildiriyor. Yazı, bu iki rakam kümesinin farklı kurulumlardan geldiğini ve birbirinin yerine kullanılamayacağını özenle belirtiyor.\n Herkese açık leaderboard'larda M3'ün SWE-bench Verified'da 80,5, SWE-bench Pro'da 59, MMMU_Pro'da 78,1 ve Video-MME v2'de 85,4 puan aldığı bildiriliyor — kodlama ve multimodal akıl yürütme benchmark'larında frontier seviyesinde sonuçlar.

M3'ü etiketleme aracına dönüştüren bir plugin

Yazının pratik kısmı, yazarının geliştirdiği ve M3'ü FiftyOne bilgisayarla görme uygulaması içinde sunan minimax-m3-fiftyone plugin'i. FiftyOne Zoo modeli olarak yükleniyor (foz.load_zoo_model("minimax/minimax-m3", task="detect")) ve ayrıca bir App operator'ı ile bir chat paneli olarak da görünüyor; gereken tek şey bir Hugging Face token'ı — fine-tuning yok, barındırılacak bir model sunucusu yok.

Uçtan uca dokuz görevi kapsıyor: detection, keypoint tahmini, kare bazlı detection, zamansal olay arama, önemli anlar, iki caption modu, tek ve çok etiketli sınıflandırma ile görsel soru cevaplama. Elle ayrıştırılacak ham metin döndürmek yerine, native FiftyOne label nesneleri yazıyor — Detections, Keypoints, TemporalDetections ve Classifications — koordinatlar [0, 1] aralığına normalize edilmiş şekilde.

Bunların hiçbirinin arkasında etiketlemeye özel bir fine-tuning yok; her grounded görev prompt mühendisliği. Plugin, M3'ten tam olarak belirlenmiş bir yapıda JSON istiyor ve bilinçli olarak hoşgörülü bir parser yanıtları temizliyor: thinking bloklarını ve code fence'leri ayıklıyor, soldan sağa dengeli ilk JSON aralığını tarıyor, alternatif anahtar adlarına ve sarmalayıcı nesnelere tolerans gösteriyor ve zarif biçimde düşünüyor — keypoint isteğine bounding box olarak dönen yanıt, öğeyi atmak yerine kutunun merkezini kullanıyor.

Hugging Face inference router'da video için doğal bir yükleme yolu olmadığından plugin eşit aralıklı kareleri çözüyor, zaman damgası ekliyor ve bunları görüntü dizisi olarak gönderiyor; zamansal yanıtlar başlangıç ve bitiş saniyeleriyle TemporalDetection nesnelerine dönüşüyor. M3'ün bu yolda ses modalitesi yok; yazı, konuşmayı yazıya dökmesi istendiğinde modelin uydurma bir metin üretmek yerine boş liste döndürdüğünü belirtiyor — bir sınırlama, ama güven verici bir başarısızlık modu.

Örnek modal içindeki bir chat paneli her örnek için çok turlu yanıtları akıtarak sunuyor ve JSON biçimindeki yanıtları tek tıkla label alanlarına dönüştürebiliyor. Her etiket ayrıca kendi kökenini de taşıyor: kullanılan tam prompt, modelin ham çıktısı, thinking modu ve sampling parametreleri.

Neden önemli

Burada iki hikaye kesişiyor. Finansman hikayesi: bir yıldan kısa süre önce halka açılan bir frontier laboratuvarı hâlâ milyarlarca dolar topluyor — bu turda yaklaşık 2 milyar dolar — ve bunu model Ar-Ge'sine ve altyapıya yönlendiriyor; model yarışının hâlâ ağır sermayeli olduğunun kanıtı. Dağıtım hikayesi: frontier modeller giderek chat uç noktaları olmaktan çok, mevcut geliştirici araçlarına gömülü bileşenler olarak önem kazanıyor. M3'ün, eğitim ve kurulacak altyapı olmadan, topluluk yapımı bir plugin aracılığıyla FiftyOne'a ulaşması, yeni fonlanmış bir frontier modelin ne kadar hızlı gerçek iş akışlarının içine girebildiğini gösteriyor. Uyarılar da gerçek — grounding fine-tuning yerine prompt odaklı, çıktılar hoşgörülü bir parser'a ihtiyaç duyuyor ve öne çıkan hızlanma rakamları farklı deneysel kurulumlardan geliyor. Ama derin finansman ile hızlı araç entegrasyonunun birleşimi, sahnedeki diğer tüm laboratuvarlar üzerindeki rekabet baskısını ayakta tutan tam olarak bu.