Новости
Последние обновления инструментов, релизы и важные события из мира вайб-кодинга
Загрузка...
Последние обновления инструментов, релизы и важные события из мира вайб-кодинга
Китайский стартап MiniMax раскрыл детали архитектуры M2 и системы Forge, которая ускоряет обучение агентов в 40 раз и показывает впечатляющие результаты на SWE-bench.
10+ лет в маркетинге, 300+ клиентских проектов: сайты, реклама, боты. Создатель GoBanana (228K+ пользователей, 11.6 млн ₽ выручки) и VibeCoderz. Делаю AI-продукты сам через Claude Code, Cursor, Windsurf и консультирую тех, кто хочет так же.
Об авторе →MiniMax M2.5: новый SOTA-уровень в кодинге и «интеллект почти даром»
Китайский гигант MiniMax представил модель M2.5, которая обходит конкурентов на SWE-bench и предлагает радикально низкую стоимость эксплуатации для AI-агентов.
MiniMax M2: убийца Claude Sonnet для Cursor и MCP-агентов?
Китайский стартап MiniMax представил модель M2, оптимизированную специально для кодинга и работы агентов. Она в 2 раза быстрее Sonnet 3.5 и стоит в 12 раз дешевле.
Релиз MiniMax M2.1: прорыв в мультиязычном кодинге и мобильной разработке
Китайский стартап MiniMax представил модель M2.1 с упором на Rust, Go и нативную мобильную разработку (iOS/Android). Идеальный инструмент для сложных системных задач.
Обзор MiniMax M2: бюджетный киллер для кодинга с LiveCodeBench 82.6
Разбираем свежие бенчмарки и цены MiniMax M2. Модель показывает впечатляющие 82.6 в LiveCodeBench при цене в разы ниже конкурентов.
MiniMax M2.1: новая MoE-модель с 230 млрд параметров стала открытой
Китайский стартап MiniMax представил открытую модель M2.1 на архитектуре Mixture-of-Experts. 230 млрд параметров, высокая скорость инференса и заточенность под агентские воркафлоу.
MiniMax M2.1: Новая модель для сложных стеков и агентских циклов
Релиз MiniMax M2.1 нацелен на решение главной боли вайбкодеров — работу с проектами, где смешаны Rust, Go, TS и мобильные языки в рамках одного контекста.
Китайский AI-гигант MiniMax опубликовал технический отчет по своей флагманской модели M2, построенной на архитектуре Mixture-of-Experts (MoE). Главный интерес для разработчиков представляет не только сама модель, но и система Forge, предназначенная для обучения AI-агентов.
Инженеры MiniMax внедрили в Forge оптимизацию обучения с подкреплением (Reinforcement Learning) для длинных контекстов. Благодаря использованию оконного FIFO-планирования и техник слияния префиксных деревьев (prefix-tree merging), им удалось добиться 40-кратного ускорения процесса обучения.
Для вайбкодеров это важный сигнал: инфраструктура для создания кастомных агентов становится доступнее и быстрее, что в перспективе снизит стоимость дообучения моделей под конкретные кодовые базы.
Модель версии M2.7 показала способности к «самоэволюции». В ходе тестов агент успешно прошел более 100 циклов анализа, исправления кода и тестирования без участия человека.
Цифры в бенчмарках подтверждают серьезность претензий на лидерство:
Эти показатели вплотную приближают M2.7 к уровню Gemini 3.1, что делает её одной из самых сильных моделей для кодинга и решения инженерных задач на текущий момент.
Появление сильных игроков уровня MiniMax усиливает конкуренцию среди провайдеров моделей для Cursor и Windsurf. Высокие результаты на SWE-bench (тест на решение реальных GitHub-issue) говорят о том, что модель отлично справляется с пониманием структуры проектов и исправлением багов в реальном коде, а не просто генерирует изолированные сниппеты.
