MiniMax M3: نموذج جديد بسياق يبلغ 1M رمز، وقدرات متعددة الوسائط، ودعم لميزة computer use

في 1 يونيو 2026 أصدرت شركة MiniMax نموذجها الجديد MiniMax M3، المبني على بنية MiniMax Sparse Attention (MSA). يتميز النموذج بنافذة سياق بحجم 1 مليون رمز، ودعم أصيل للصور والفيديو ولوضع computer use.

كيف تعمل بنية MSA؟

يقوم نهج Sparse Attention على ألا يعيد النموذج حساب الانتباه بين جميع أزواج الرموز في التسلسل، كما يحدث في dense attention الكلاسيكي، بل يركّز على مجموعة جزئية متناثرة من الروابط الأكثر صلة. وهذا يتيح معالجة تسلسلات أطول بكثير ضمن ميزانية الحوسبة نفسها. وعلى هذا المبدأ بُنيت MiniMax Sparse Attention، وهي البنية التي مثّلت الحل الهندسي الرئيسي الذي مكّن MiniMax M3 من الحفاظ على نافذة سياق بحجم 1 مليون رمز دون نمو أسّي في تكاليف الاستدلال (inference).

ففي المحوّل (transformer) الكثيف الكلاسيكي، تنمو التعقيدية الحسابية لآلية الانتباه تربيعيًا مع زيادة طول التسلسل: مضاعفة السياق تعني زيادة المطلوب من العمليات الحسابية أربعة أضعاف. وقد شكّل هذا النمو التربيعي تاريخيًا العقبة التقنية الرئيسية أمام النماذج ذات نوافذ السياق المليونية، إذ يصبح الاستدلال على هذه الأطوال غير عملي اقتصاديًا من دون مخططات انتباه متناثرة أو محسّنة بطرق أخرى. وتتيح حلول معمارية مثل MSA للمختبرات الالتفاف على هذا القيد، عبر خفض حصة العمليات الحسابية المخصصة للروابط النادرة الاستخدام بين الرموز المتباعدة.

• النموذج: MiniMax M3
• البنية: MiniMax Sparse Attention (MSA)
• نافذة السياق: 1 مليون رمز
• الوسائط: دعم أصيل للصور والفيديو وcomputer use
• إضافةً إلى ذلك: دعم agentic coding
• تاريخ الإصدار: 1 يونيو 2026 (بحسب MarkTechPost)

الوسائط المتعددة وcomputer use جاهزان «من الصندوق»

تُقدَّم MiniMax M3 على أنها نموذج يدعم الصور والفيديو بصورة أصيلة لا كطبقة مضافة؛ فهذه الوسائط يعالجها النموذج مباشرة، لا عبر محوّلات (adapters) منفصلة ولا بتحويلها إلى وصف نصي. كما يدعم النموذج وضع computer use، أي القدرة على إدراك حالة شاشة الحاسوب وتنفيذ إجراءات مثل النقر وإدخال النص والتنقل بين الواجهات، لإنجاز المهام بصورة مستقلة داخل التطبيقات الرسومية. ومع السياق الطويل، يفتح هذا الباب أمام سيناريوهات يستطيع فيها النموذج الاحتفاظ بكميات كبيرة من السياق البصري والنصي أثناء تنفيذ مهام وكيلية متعددة الخطوات.

لماذا يحتاج النموذج إلى مليون رمز من السياق؟

تعادل نافذة السياق البالغة 1 مليون رمز حجم قاعدة شيفرة برمجية كبيرة، أو وثائق ضخمة، أو تسجيل فيديو يمتد ساعات في صيغة وصف نصي. وبالنسبة إلى مهام agentic coding، وهي القدرة الثانية المعلنة في الإصدار، يُعدّ السياق الطويل عنصرًا حاسمًا: فالوكيل الذي يعمل على مشروع حقيقي يحتاج في أحيان كثيرة إلى الاحتفاظ في ذاكرته بعدد كبير من الملفات وسجل التعديلات ونتائج تنفيذ الأوامر في آن واحد، دون أن يفقد خيط المهمة.

وMiniMax شركة صينية تطوّر نماذج لغوية كبيرة، وتنافس مطوّرين كبارًا آخرين من الصين والولايات المتحدة، وقد أصبح السياق الطويل والوسائط المتعددة في السنوات الأخيرة من أبرز ميادين المنافسة، إلى جانب جودة الإجابات نفسها. ويشير دعم agentic coding المعلن في الإصدار إلى أن MiniMax M3 لا تُقدَّم بوصفها نموذجًا للحوار فحسب، بل أداة تُدمج في خطوط أنابيب التطوير الوكيلية، أي في فئة المهام نفسها التي تتنافس فيها حاليًا النماذج الكامنة وراء منتجات مثل مساعدات البرمجة المستقلة.

ويندرج إصدار MiniMax M3 ضمن سباق عام بين المختبرات الكبرى على السياق الطويل والوسائط المتعددة الشاملة، وهو اتجاه تتنافس فيه، إلى جانب MiniMax، جهات تطوير أخرى بنماذج تتراوح نوافذ سياقها من بضع مئات الآلاف من الرموز إلى أكثر من مليون رمز. والرهان على الانتباه المتناثر وسيلةً لخفض كلفة معالجة التسلسلات الطويلة هو أحد الحلول المعمارية التي تتعامل معها المختبرات المختلفة كلٌّ بطريقتها.

أما بالنسبة إلى المستخدمين النهائيين والمطوّرين، فلا تُقاس القيمة العملية لإصدارات كهذه بالتفاصيل المعمارية المعلنة بقدر ما تُقاس بالسيناريوهات التي تصبح متاحة فعليًا: معالجة مستودع شيفرة كامل في تمريرة واحدة، أو تحليل فيديو طويل دون تقطيعه إلى مقاطع، أو وكيل يستطيع الاحتفاظ في سياقه بتاريخ جلسة عمل امتدت ساعات على مهمة واحدة. وهذا الجمع بين السياق الطويل والوسائط المتعددة الأصيلة وcomputer use في نموذج واحد، لا في مجموعة أدوات متفرقة، هو ما يميّز إصدارات مثل MiniMax M3 عن أجيال أقدم من النماذج كان لا بد فيها من تركيب كل قدرة من هذه القدرات من مكوّنات منفصلة.