MiniMax M3.1 Flash का लक्ष्य एजेंट के काम को अधिक कुशल बनाना है

उत्तर छोटा है: छह बाइंडर, डिलीवरी बुधवार। इससे पहले एजेंट ने तीन नोट पढ़े, मात्रा में हुए बदलाव को पहचाना और एक विरोधाभासी तारीख़ को नज़रअंदाज़ कर दिया। यदि परिणाम गलत है, तो संक्षिप्त आउटपुट से बहुत कम मदद मिलती है। त्वरित उत्तर और पूरे किए गए कार्य के बीच का यही अंतर एजेंटों में दक्षता को, टेक्स्ट की प्रति मात्रा कीमत पर एक नज़र डालने की तुलना में, कहीं अधिक कठिन प्रश्न बना देता है।

MiniMax ने M3.1 Flash को 19 अक्टूबर 2026को पेश किया। घोषणा इस मॉडल को एजेंट कार्य और प्रोग्रामिंग के लिए प्रस्तुत करती है और API, M Plan तथा MiniMax Code को पहुँच के माध्यमों के रूप में बताती है। मॉडल वेट्स बाद की किसी तारीख़ के लिए घोषित किए गए हैं। प्रकाशित प्रदर्शन और लागत संबंधी लाभ विक्रेता के दावे हैं; वे यहाँ की गई किसी तुलना का परिणाम नहीं हैं।

वास्तविक निर्भरताओं वाला एक छोटा कार्य

अपने स्वयं के प्रयोग के लिए तीन कृत्रिम डिलीवरी नोट लिखें। पहले नोट में एक कोर्स के लिए चार बाइंडरों का उल्लेख है। दूसरा नोट एक अनुवर्ती प्रश्न के बाद छह की पुष्टि करता है। तीसरा नोट दो संभावित डिलीवरी दिन बताता है, लेकिन किसी पर भी तय नहीं करता। वांछित परिणाम में पुष्टि की गई मात्रा, खुली तारीख़ और संबंधित नोटों के संदर्भ शामिल हैं।

इसलिए कठिनाई अंतिम तालिका की लंबाई में नहीं है। एजेंट को समझना होता है कि कौन-सा विवरण किसी दूसरे विवरण का स्थान लेता है और कौन-सा विरोधाभास अनसुलझा रहता है। पूरी तरह भरी हुई तालिका उस तालिका से बदतर हो सकती है जिसमें एक फ़ील्ड जानबूझकर खुला छोड़ा गया हो।

Note 1: 4 binders are needed for course K.
Note 2: Follow-up question settled: for K, explicitly 6 binders, please.
Note 3: Delivery for K on Tuesday or Wednesday; still open.

इसके साथ एक छोटा लक्ष्य-नियम सहेजें: मात्रा छह, स्रोत नोट दो; तारीख़ अज्ञात, स्रोत नोट तीन। आप इस नियम का आकलन बिना किसी मॉडल के कर सकते हैं। प्रयोग के बाद के संस्करणों में यही आधार बनाए रखना चाहिए, अन्यथा अंत में अलग-अलग कार्यों की आपस में तुलना होने लगती है।

किसे पूरा माना जाए

रन से पहले पूर्णता को परिभाषित करें। अवलोकन में सभी प्रासंगिक नोटों को ध्यान में रखा जाना चाहिए, सुधारों को सुरक्षित रखा जाना चाहिए और खुले बिंदुओं को दृश्यमान छोड़ा जाना चाहिए। इसे कोई भी ऑर्डर नहीं बदलना चाहिए। यह सीमा पहले प्रयोग को छोटा रखती है और परिणाम को प्रोडक्शन सिस्टम तक पहुँच से स्वतंत्र बनाती है।

एक संभावित निर्देश यह है: “कोर्स K के लिए तीनों नोटों को मिलाएँ। वह मात्रा उपयोग करें जिसकी सबसे हाल में स्पष्ट रूप से पुष्टि की गई थी। आपके द्वारा अपनाए गए प्रत्येक मान के लिए नोट की ID बताएँ। वैकल्पिक तारीख़ों को अनुमान लगाकर हल न करें। परिणाम का केवल एक पूर्वावलोकन तैयार करें।”

यदि मॉडल अनुवर्ती प्रश्न पूछता है, तो उन्हें भी नोट करें। एक प्रासंगिक अनुवर्ती प्रश्न अच्छी प्रक्रिया का हिस्सा हो सकता है। एक अतिरिक्त पास अपने आप में गलती नहीं है; मायने यह रखता है कि वह आवश्यक जानकारी प्राप्त करता है या केवल पहले से किए जा चुके काम को दोहराता है।

पूरे रास्ते को मापें

बाद में होने वाली किसी वास्तविक तुलना में आपको कम से कम मॉडल और सेवा के पहचानकर्ता, इनपुट, परिणाम और आवश्यक मानवीय सुधार दर्ज करने चाहिए। यदि आप लागत या अवधि का मूल्यांकन करते हैं, तो वर्कफ़्लो के समान बिंदुओं पर शुरू और समाप्त करें। केवल अंतिम उत्तर को मापने से सभी प्रारंभिक चरण छूट जाते हैं।

साथ ही तीन मात्राओं को अलग रखें: तकनीकी कॉल की कीमत, आवश्यक कॉलों की संख्या और परिणाम पर दोबारा काम करने का प्रयास। एक सस्ती कॉल अपना व्यावहारिक लाभ खो देती है यदि बाद में किसी को स्रोत जोड़ने पड़ें और गलत तारीख़ों को मेहनत से सुधारना पड़े। इसके विपरीत, एक अतिरिक्त स्पष्टीकरण चरण उपयोगी हो सकता है यदि वह किसी गलत मान को आगे ले जाए जाने से रोकता है।

इस छोटे कार्य के लिए परिणामों की एक साधारण सूची पर्याप्त है: मात्रा सही, तारीख़ खुली, स्रोत संदर्भ मौजूद, अनधिकृत कार्रवाई नहीं की गई। ये मानदंड समझाते हैं कि कोई रन उपयोगी क्यों होगा। इसके विपरीत, एक कृत्रिम रूप से सटीक समग्र स्कोर आसानी से इस तथ्य को छिपा देता है कि एक अकेली गलत मात्रा इस कार्य के लिए निर्णायक है।

एक मॉडल घोषणा इससे क्या बनाती है

MiniMax की रिलीज़ इसलिए दिलचस्प है क्योंकि यह चर्चा को स्पष्ट रूप से संपूर्ण एजेंट कार्यों की ओर ले जाती है। आपका अपना चुनाव किसी ऐसी प्रक्रिया से शुरू होना चाहिए जिसे आप समझते हैं। यह देखने के लिए कि कोई सिस्टम सुधारों को साफ़-सुथरे ढंग से मिलाता है या नहीं, आपको किसी और का लीडरबोर्ड दोहराने की आवश्यकता नहीं है।

एक छोटा प्रयोग अभी मनमानी व्यावसायिक प्रक्रियाओं पर कोई निर्णय देने की अनुमति नहीं देता। हालाँकि, यह दिखाता है कि आपको कहाँ देखना है: स्रोतों, निर्णयों और किए गए चरणों के बीच के संबंध पर। तब सबसे छोटा उत्तर केवल उस काम का दिखाई देने वाला अंत होता है जिसका पता लगाया जा सकता है।

स्रोत और स्थिति

25 अक्टूबर 2026 तक के स्रोत। MiniMax M3.1 Flash: एजेंट प्रदर्शन और लागत की नई परिभाषा · MiniMax M3.1 Flash — आधिकारिक इंटीग्रेशन अवलोकन.