JessiWanderlust
42 posts
@Mayhem4Markets 不会，m3模型有两个版本，即将发布的应该是500b参数左右的，另外一个1T以上参数的版本应该在六七月发布
中文
Hearing MiniMax-M3 may be as large as 1T parameters.
English
MiniMax M3 即将发布，想邀请一些中文开源社区的 contributor 来评测，阿岛 @SkylerMiao7 建了一个飞书群，可以第一时间体验到！
另外希望申请者有一些开源项目的贡献经验（贡献过开源项目或者有自己的开源项目），在验证信息里面注明就行。
中文
minimax 要降本增效，小参数打大参数，要多模态 1m 上下文。要速度快 token 便宜，要 coding 场景不虚 opus ，要搞多 agents 蜂群，总之是什么都要，什么都不行
中文
Summarization (you can get all of them on the internet, not insider information):
- M3
- No more M2.x, e.g., no M2.8
- MoE, 1M context
- Larger than M2 (200~B model)
- MSA, aka MiniMax Sparse Attention architecture
- For MSA, 9.7x prefill speedup, 15.6x decoding speedup
- Will be released in a few days
- Will be open-sourced
elie@eliebakouch
new minimax sparse attention compared to deepseek v3.2 (DSA) and v4 (CSA) main changes: - based on GQA not MLA - block level selection like in CSA but attention is done on the real KV, not in the compressed dimension
English
昨天见了一个非常牛逼的Agent团队，我敢说在国内绝对是T0的级别（之前DPSK还找他们搞了点Agent数据）
刚好聊到了这两天推上吵得非常热闹的AI产品（Agent）要不要用Python的话题
他们Founder说的很直接：SB才在Agent项目里用Python🤣
TS适合100%Agent项目，主要有几个原因：
第一，Agent最终大多时候会在产品里。
不管你做的是Chat界面、工作流面板、浏览器插件、Copilot，还是IDE扩展、Slack/Discord/网页工具，TS天然离这些更近。
前端是TS，后端也是TS，中间的tool schema、事件流、UI状态都能共用一套类型。
如果你用Python那就会变成：
模型服务在Py、后端在Node、前端在TS
一份schema要复制三份
如果某个字段名大小写错了，你的Agent马上就给死给你看。
第二，Agent很依赖异步和事件流。
Agent不是一次请求一次回答这么简单。
它要边想边输出，边调用工具，边等用户确认，边更新UI，边处理取消、重试、超时、恢复。
TS/Node在事件驱动、stream、WebSocket、server-sent events这些场景里很顺。
Python当然也能做，但你会更容易感受到「这东西本来不是为这类Web产品链路长出来的」。
第三，类型系统对Agent很重要。
Agent真正容易炸的地方不是「模型不会说话」，而是工具参数错、返回结构错、状态字段错、上下文对象变形。
TS可以把很多东西提前卡住：
tool input/output、agent state、message format、UI事件、workflow node、permission object、external API response
这对Agent很关键，因为Agent系统里有大量JSON对象在飞来飞去。
第四，TS更适合做「Agent runtime」。
如果你做的是一个Agent框架、SDK、运行时、插件系统，TS优势更明显。
因为使用者往往要把它接进：
网页、后台服务、Electron、浏览器插件、VS Code插件、API route、serverless、edge runtime
这些地方TS生态更统一。
所以很多Agent infra选TS，不是因为Python不行，是因为它们要服务的使用场景更接近Web开发者和产品团队。
第五，AI应用现在其实是拼系统。
早期大家用Python，是因为AI=模型。
现在很多AI产品已经演化到包含LLM API、tool calling、database、vector store、browser automation、workflow、UI、billing、auth、analytics
这已经不是研究工程了，是产品工程。
互联网产品工程的主语长期就是JS/TS。
很无聊，但世界就是这么没品😮💨
但他也表示Python不会消失。
更合理的分工其实是：
Python做模型层、数据层、eval、embedding pipeline、离线任务、实验脚本。
TS做产品层、Agent编排层、前端交互层、插件层、用户可见的runtime。
所以你如果做一个Agent产品，你最好：
MVP前端+Agent orchestrator用TS。
涉及模型训练、数据处理、复杂检索、评测系统，再上Python。
聊了一下午，真的学了太多了
才知道自己之前对于Agent的认知到底有多浅薄🧎
中文
🚀 Better inference efficiency, lower costs, broader access.
MiMo-V2.5 Series API pricing is now permanently reduced — by up to 99% compared to previous pricing.
✨ Unified pricing across all context lengths.
MiMo Token Plans have also been upgraded:
• 5–8× more usable tokens at the same price
• Simpler and more transparent billing rules
🎁 As a thank-you to current users, all current Token Plan credits will be fully reset.
🎧 MiMo-V2.5-TTS remains free for a limited time.
⏰ Effective May 26 at 6:00 PM PDT.
These improvements are powered by continued inference optimization and serving efficiency upgrades across the MiMo stack.
🛠️ We’ll also publish a detailed technical blog on the inference optimizations later — stay tuned.
English
中文
mimo开放平台国内充值还要人脸识别，小米真是似了马了。没见过这么下剑的。其他家要么只是身份证ds要么只手机号minimax，说明根本不是锅架要求的，就是你米贩剑。
奶昔🥤@realNyarime
小米的 Token Plan 计费体系引入了 Credits 的概念，可用额度提升至原来的 5 至 8 倍，还重置了之前使用的额度 之前百万亿 Token 创造者激励计划申请的 Pro 套餐用量重置，并且从原先的 7 亿提升至 380 亿，但不续有效期 （申请入口也提前收官） 所以罗福莉女士是要让我在 48 小时内，用完 380 亿的 MiMo Credits 吗？想想也是不可能的事吧！
中文