MiniMaxのフラッグシップモデル「M3」とそのインジケーターは高い評価を得ているが、賛否両論の反発も招いている
大規模言語モデルをめぐる競争はますます激化しており、AIスタートアップのMiniMaxは先日、新たなフラッグシップモデル「M3」をリリースした。技術レポートに掲載されたベンチマーク結果によると、このモデルは実世界のソフトウェアエンジニアリングタスクをシミュレートしたテストで59%のスコアを記録し、GPT-5.5を上回り、Opus4.7に迫るなど、目覚ましい性能を発揮している。 また、100万トークン規模のコンテキスト処理やネイティブなマルチモーダル機能も備えている。しかし、こうした優れた技術的成果にもかかわらず、今回のリリースは開発者コミュニティから大きな反発を招いており、特に中国のオンラインフォーラムでは厳しい批判が噴出している。
懐疑的な見方の主な要因は、評価方法論にある。 技術的な詳細によると、M3はコーディング能力テストの評価フレームワークとして、競合モデルである「Claude Code」を使用していたことが明らかになった。エージェントの評価に既存のツールチェーンを使用することは一般的な慣行ではあるが、批判者たちは、MiniMaxが実質的に自社のモデルを競合他社のフレームワークでテストし、高いスコアを直接主張した上で、公開プロモーションにおいてその同じ競合他社と比較していると指摘している。 多くの開発者は、このアプローチを不誠実だと指摘している。なぜなら、モデルの本来の能力と、フレームワークによってもたらされる性能向上の区別がつきにくくなるからである。

もう一つの論点は、オープンソース化への取り組みの誠実さである。重みデータをすべて公開してオープンソースモデルをリリースする他のベンダーとは異なり、MiniMaxはM3のサイズを開示せず、重みデータも提供しなかった。 同社は、10日以内にモデルをオープンソース化すると述べただけで、リリース当初はAPIへのアクセスのみを提供した。再現性と検証可能性はオープンソースコミュニティの中核的価値であるため、オープンソースを推進しながら重みを非公開にする行為は――商業的な観点からは理解できるものの――透明性と実用性を期待する開発者コミュニティの反感を買ってしまった。

ヘビーユーザーを最も苛立たせているのは、課金ルールの突然の変更だ。以前は、MiniMaxは月間のトークン上限を設けず、リクエスト数で制限するという寛大な利用制限で知られていた。しかしM3のリリースに伴い、同社は総利用量に応じて課金される新しいトークンベースのプランを導入した。 公式見解では「Plusプランはトークンのコストパフォーマンスに優れている」とされていますが、ヘビーユーザー――特に100万トークン規模のコンテキストを扱うユーザー――にとっては、1回の呼び出しで大量のトークンが消費され、プランの割り当て枠がすぐに枯渇してしまうのが実情です。このため、長年のユーザーから広範な不満の声が上がっています。
運用上の論争はさておき、M3にはアーキテクチャレベルで注目すべき革新があります。同社は、MSA(MiniMax Sparse Attention)と呼ばれる独自開発のスパースアテンションメカニズムを導入しました。これは、キー・バリューペアに対して高精度なブロック分割とスパース化を適用することで、従来のトランスフォーマーに見られる計算量の2乗的な爆発的増加を緩和するものです。 低レベルの演算子レベルでは、メモリアクセスの連続性を向上させる新しい集約計算手法を採用しており、オープンソースのFlash-Sparse-Attentionに比べて4倍の速度を達成しています。 その結果、M3は100万トークンのコンテキストにおいて、順伝播速度を9倍、デコーディング速度を15倍に高速化し、単一トークンあたりの計算量を前世代の半分に削減しています。
関連記事
Metaは、あなたの次のガジェットがMuseを内蔵したものであることを望んでいる
Metaの旅行予約、フォーム送信、ショッピングを処理するAIアシスタント「Muse」は広く採用されているが、新しいイニシアチブは特に開発者やハードウェア愛好家を魅了する可能性がある。金曜日、MetaはMuseと統合されたカスタムハードウェアを作成できるようにするオープンソースのイニシアチブ「Muse Gadgets」を発表した。Metaは、カラー電子インクディスプレイをMuseに追加することから、HDMIスティックにソフトウェアを組み込んでテレビ接続を実現することまで、さまざまなスタータープ
Wan-Streamer v0.2は超低遅延のAIチャットを提供します
現代技術が急速に進歩するにつれ、人間とAIの相互作用はより一般的になっています。従来のビデオ通話では、ラグ、遅延、音声と映像の非同期といった問題にしばしば直面します。Tongyi Labによる最新リリースであるWan-Streamer v0.2は、これらの課題を完全に克服し、わずか550ミリ秒の応答遅延で、真に自然な「対面」コミュニケーションを可能にします。Wan-Streamer v0.2は、新しいエンドツーエンドのマルチモーダル理解および生成モデルです。単一のTransformerモデル内で
MetaはTSMCとMicronの参加を得て、旧型メモリを搭載した新規サーバーを整備する
人工知能の採用が世界中で加速する中、次世代DDR5メモリは深刻な供給不足に直面しています。AIデータセンターの展開における遅延を回避するため、MetaはTSMCやMicronといった業界のリーダーと提携し、画期的な過渡期のソリューションを開発しました。この革新により、従来DDR5専用に設計されていた高度なAIサーバーが、従来のDDR4モジュールとシームレスに動作できるようになりました。「フランケンシュタイン」構成と称されるこのシステムは、実世界のテストで顕著な安定性を示し、現在進行中のサプライチ
関連特集おすすめ
コメント (0)
0/500
大規模言語モデルをめぐる競争はますます激化しており、AIスタートアップのMiniMaxは先日、新たなフラッグシップモデル「M3」をリリースした。技術レポートに掲載されたベンチマーク結果によると、このモデルは実世界のソフトウェアエンジニアリングタスクをシミュレートしたテストで59%のスコアを記録し、GPT-5.5を上回り、Opus4.7に迫るなど、目覚ましい性能を発揮している。 また、100万トークン規模のコンテキスト処理やネイティブなマルチモーダル機能も備えている。しかし、こうした優れた技術的成果にもかかわらず、今回のリリースは開発者コミュニティから大きな反発を招いており、特に中国のオンラインフォーラムでは厳しい批判が噴出している。
懐疑的な見方の主な要因は、評価方法論にある。 技術的な詳細によると、M3はコーディング能力テストの評価フレームワークとして、競合モデルである「Claude Code」を使用していたことが明らかになった。エージェントの評価に既存のツールチェーンを使用することは一般的な慣行ではあるが、批判者たちは、MiniMaxが実質的に自社のモデルを競合他社のフレームワークでテストし、高いスコアを直接主張した上で、公開プロモーションにおいてその同じ競合他社と比較していると指摘している。 多くの開発者は、このアプローチを不誠実だと指摘している。なぜなら、モデルの本来の能力と、フレームワークによってもたらされる性能向上の区別がつきにくくなるからである。

もう一つの論点は、オープンソース化への取り組みの誠実さである。重みデータをすべて公開してオープンソースモデルをリリースする他のベンダーとは異なり、MiniMaxはM3のサイズを開示せず、重みデータも提供しなかった。 同社は、10日以内にモデルをオープンソース化すると述べただけで、リリース当初はAPIへのアクセスのみを提供した。再現性と検証可能性はオープンソースコミュニティの中核的価値であるため、オープンソースを推進しながら重みを非公開にする行為は――商業的な観点からは理解できるものの――透明性と実用性を期待する開発者コミュニティの反感を買ってしまった。

ヘビーユーザーを最も苛立たせているのは、課金ルールの突然の変更だ。以前は、MiniMaxは月間のトークン上限を設けず、リクエスト数で制限するという寛大な利用制限で知られていた。しかしM3のリリースに伴い、同社は総利用量に応じて課金される新しいトークンベースのプランを導入した。 公式見解では「Plusプランはトークンのコストパフォーマンスに優れている」とされていますが、ヘビーユーザー――特に100万トークン規模のコンテキストを扱うユーザー――にとっては、1回の呼び出しで大量のトークンが消費され、プランの割り当て枠がすぐに枯渇してしまうのが実情です。このため、長年のユーザーから広範な不満の声が上がっています。
運用上の論争はさておき、M3にはアーキテクチャレベルで注目すべき革新があります。同社は、MSA(MiniMax Sparse Attention)と呼ばれる独自開発のスパースアテンションメカニズムを導入しました。これは、キー・バリューペアに対して高精度なブロック分割とスパース化を適用することで、従来のトランスフォーマーに見られる計算量の2乗的な爆発的増加を緩和するものです。 低レベルの演算子レベルでは、メモリアクセスの連続性を向上させる新しい集約計算手法を採用しており、オープンソースのFlash-Sparse-Attentionに比べて4倍の速度を達成しています。 その結果、M3は100万トークンのコンテキストにおいて、順伝播速度を9倍、デコーディング速度を15倍に高速化し、単一トークンあたりの計算量を前世代の半分に削減しています。
Metaは、あなたの次のガジェットがMuseを内蔵したものであることを望んでいる
Metaの旅行予約、フォーム送信、ショッピングを処理するAIアシスタント「Muse」は広く採用されているが、新しいイニシアチブは特に開発者やハードウェア愛好家を魅了する可能性がある。金曜日、MetaはMuseと統合されたカスタムハードウェアを作成できるようにするオープンソースのイニシアチブ「Muse Gadgets」を発表した。Metaは、カラー電子インクディスプレイをMuseに追加することから、HDMIスティックにソフトウェアを組み込んでテレビ接続を実現することまで、さまざまなスタータープ
Wan-Streamer v0.2は超低遅延のAIチャットを提供します
現代技術が急速に進歩するにつれ、人間とAIの相互作用はより一般的になっています。従来のビデオ通話では、ラグ、遅延、音声と映像の非同期といった問題にしばしば直面します。Tongyi Labによる最新リリースであるWan-Streamer v0.2は、これらの課題を完全に克服し、わずか550ミリ秒の応答遅延で、真に自然な「対面」コミュニケーションを可能にします。Wan-Streamer v0.2は、新しいエンドツーエンドのマルチモーダル理解および生成モデルです。単一のTransformerモデル内で
MetaはTSMCとMicronの参加を得て、旧型メモリを搭載した新規サーバーを整備する
人工知能の採用が世界中で加速する中、次世代DDR5メモリは深刻な供給不足に直面しています。AIデータセンターの展開における遅延を回避するため、MetaはTSMCやMicronといった業界のリーダーと提携し、画期的な過渡期のソリューションを開発しました。この革新により、従来DDR5専用に設計されていた高度なAIサーバーが、従来のDDR4モジュールとシームレスに動作できるようになりました。「フランケンシュタイン」構成と称されるこのシステムは、実世界のテストで顕著な安定性を示し、現在進行中のサプライチ





家






