跳到正文

MiniMax 的模型與產品動態:M 系列大模型、語音與多模態能力、開源與商業化進展。

最新精選

第 21–33 條 · 共 33 條
11月7日週六
10月19日週一
  1. SGLang Releases78

    SGLang v0.5.22 釋出多模型支援與效能提升

    SGLang v0.5.22 釋出,新增多模型支援、效能最佳化與跨平臺功能。 - 新模型:DeepSeek‑V4.1、Qwen3.8‑Flash‑Next、GLM‑5.3‑Flash、MiMo‑V2.6‑Pro、EmbeddingGemma 2、LLaDA2.2、HunyuanImage‑3.0‑Instruct 等。

    推薦理由:本次更新大幅提升多平臺推理吞吐量並加入多模型支援,開發者可直接使用新功能加速多模態應用,並在多種硬體上獲得顯著效能提升。

10月9日週五
  1. vLLM Official Blog80

    vLLM 在 NVIDIA Vera Rubin NVL72 上實現 7.8 倍吞吐提升

    vLLM 現已支援 NVIDIA Vera Rubin NVL72,透過 Rubin‑tuned kernels 與 locality‑domain 技術,單張 GPU 的推理吞吐率比 GB200 NVL72 高達 7.8 倍,在 AgentX 端點與 MLPerf VLM 測試中分別提升 5.18 倍 與 3.7 倍。

    推薦理由:本篇展示 vLLM 在新一代 NVIDIA Vera Rubin NVL72 上的 7.8 倍吞吐提升,並說明如何利用 Rubin‑tuned kernel 與 locality‑domain 技術達成高效代理推理,為部署高效代理模型提供實際效能參考。

10月4日週日
9月19日週六
9月8日週二
  1. vLLM Official Blog76

    vLLM x AgentX:針對實務代理服務的最佳化

    vLLM 在 AgentX 基準上實現高效能與成本優勢,提供可驗證的全棧最佳化方法。 - 總吞吐量:在 DeepSeek V4 Pro 上達到 130 000 tokens / GPU‑sec,MiniMax M3 互動率 376 tokens / sec。

    推薦理由:本文展示 vLLM 在 AgentX 基準上實現高效能與成本優勢,並提供可驗證的全棧最佳化方法,對於需要高吞吐量與低成本的代理服務部署具有實務參考價值。

9月5日週六
  1. SGLang Releases83

    SGLang v0.5.19 發布:帶來 Beam 搜尋、DeepEP v2 與全方位效能最佳化

    SGLang 正式發布 v0.5.19 版本,此次更新匯集來自 214 位貢獻者的 786 個 PR,全面提升大模型與擴散模型的推論效能、硬體相容性與快取機制。

    推薦理由:原文詳細列出各項核心效能改進與硬體支援,開發者可據此評估升級至新版本對模型推論吞吐量與延遲的實質助益。

8月27日週四
  1. LMSYS Org Blog74

    SGLang Diffusion 如何加速 MiniMax-H3 影片生成,最快達 6.24 倍

    生成高畫質影片要反覆計算很多次,想加快速度,常得在畫面相似度上有所取捨。SGLang Diffusion 團隊在 8 張 NVIDIA H200 顯示卡上測試 MiniMax-H3,並和 Diffusers 比較;在不近似計算的設定下,速度快約 1.85 到 1.95 倍。加入重用前面計算結果的 Cache-DiT,以及略過部分注意力運算的 SubBlock 後,最快達 6.24 倍,但部分 T2VA 影片的 SSIM 降到 0.76 至 0.78。若更重視畫質,單用 Cache-DiT 可達 2.99 倍,SSIM 為 0.90 至 0.92。測試固定提示詞、種子和輸出設定,結果顯示加速幅度會隨影片型別和設定改變。

    推薦理由:這組實測在固定影片生成條件下比較速度與畫質,呈現不同加速設定的取捨,方便估算可接受的畫質變化。

8月26日週三
  1. Browser Use73

    我們如何為瀏覽器打造可擴充套件的長期 RL 環境

    本報告說明如何利用真實瀏覽器使用者流量構建可擴充套件的長期 RL 環境,並公開 200 個樣本供開源社群使用。 - 任務來源:來自數億筆瀏覽器代理任務,經過篩選縮減至約 1,000 萬個獨特任務。

    推薦理由:本報告展示如何從真實瀏覽器流量構建可擴充套件長期 RL 環境,對研發者評估模型長期行為提供可複製實驗基礎。

8月17日週一
8月11日週二
  1. SGLang Releases82

    SGLang 發布 v0.5.17 版本

    SGLang 正式發布 v0.5.17 版本,匯集 194 位貢獻者的 582 項 PR,全面升級推理與平行化效能: - 新模型日支援。

    推薦理由:新版本帶來多項新模型支援與底層平行化最佳化,開發者可參考其升級日誌評估效能提升與架構調整。

6月30日週二
  1. Together AI Official Blog77

    Together AI 於 ICML 2026:全棧前沿研究

    Together AI 在 ICML 2026 展示了九篇跨層研究,從代理到 GPU 核心,涵蓋模型、演算法、系統與硬體最佳化。 - 代理層:DSGym 1,000+ 任務、10+ 領域;ThunderAgent 3.6× 推理吞吐量、3.9× RL 迭代速度提升。

    推薦理由:Nine ICML 2026 論文涵蓋從代理到 GPU 核心的全棧研究,讀者可洞悉跨層最佳化的實際效能與落地策略,並展示多層協同效益與實際部署案例。