أعلنت شركة MiniMax الصينية عن إطلاق نموذجها اللغوي الكبير الجديد M3، في خطوة تعيد ترتيب المنافسة داخل سوق الذكاء الاصطناعي المؤسسي. النموذج يقدم مزيجاً لافتاً من قدرات البرمجة، والعمل كوكيل ذكي متعدد الخطوات، ودعم متعدد الوسائط، مع نافذة سياق تصل إلى مليون رمز، وكل ذلك بتكلفة تشغيل أقل بكثير من العديد من النماذج التجارية الكبرى.
الإطلاق يضع MiniMax في مواجهة مباشرة مع أسماء ثقيلة مثل OpenAI وGoogle وAnthropic، لكنه يفعل ذلك من زاوية مختلفة: التركيز على الكفاءة وخفض الكلفة، وليس فقط على رفع الأداء الخام. الشركة تقول إن M3 مصمم ليمنح المؤسسات والمطورين قدرة أوسع على تشغيل مهام معقدة من دون دفع فاتورة عالية مقابل كل مليون رمز معالج.
أداء قوي مع تسعير منخفض
وفقاً للبيانات المعلنة، يبدأ تسعير الاستخدام عبر خطط الاشتراك الجديدة من 20 دولاراً شهرياً، بينما يتوفر عبر واجهة MiniMax البرمجية بسعر ترويجي مؤقت يبلغ 0.3 دولار لكل مليون رمز إدخال و1.20 دولار لكل مليون رمز إخراج، مع نسخة لاحقة من التسعير الكامل عند 0.6 دولار و2.40 دولار على التوالي. حتى عند هذا المستوى الكامل، تظل التكلفة أقل بكثير من كثير من النماذج الأميركية المغلقة.
هذه الفجوة في السعر تمنح M3 جاذبية خاصة للشركات التي تعتمد على الذكاء الاصطناعي في المهام اليومية المكثفة، مثل كتابة الشيفرة، وتحليل الملفات الكبيرة، وإدارة الوكلاء الذكيين، والتعامل مع جلسات طويلة تتطلب ذاكرة سياقية واسعة. وفي سوق باتت فيه الكلفة جزءاً رئيسياً من قرار الشراء، تبدو هذه الميزة مؤثرة بوضوح.
الأهم من ذلك أن MiniMax لا تعرض M3 كنموذج رخيص فقط، بل كنموذج قادر أيضاً على المنافسة في اختبارات الأداء المتقدمة. الشركة تقول إن النموذج حقق نتائج لافتة في مهام برمجة مستقلة واستخدام الأدوات والتصفح الآلي، وهي مجالات أصبحت معياراً حاسماً في تقييم النماذج الحديثة.
نافذة سياق ضخمة وقدرات متعددة الوسائط
أحد أبرز عناصر M3 هو دعمه لنافذة سياق تصل إلى مليون رمز، وهو رقم ضخم يسمح للنموذج بالتعامل مع مستندات طويلة جداً، ومشاريع برمجية كبيرة، وسلاسل تعليمات معقدة، وبيئات عمل ممتدة دون فقدان جزء كبير من المعلومات السابقة. هذه القدرة مهمة خصوصاً في حالات الاستخدام المؤسسية التي تحتاج إلى تحليل كميات كبيرة من النصوص أو الأكواد دفعة واحدة.
إلى جانب ذلك، يأتي النموذج بدعم متعدد الوسائط منذ البداية، وليس كإضافة لاحقة. هذا يعني أن MiniMax صممت M3 ليعالج النصوص والصور والعناصر البصرية ضمن بنية واحدة، وهو نهج يهدف إلى تحسين فهم العلاقات بين المحتوى المرئي والنصي، سواء في قراءة الرسوم أو استخراج الشيفرة من مخططات معقدة أو التعامل مع واجهات رقمية متعددة العناصر.
وترى الشركة أن هذا التصميم يساعد النموذج على أداء مهام عملية تتجاوز مجرد توليد النصوص، مثل المساعدة في تطوير البرمجيات، وقراءة واجهات الاستخدام، والتفاعل مع الأدوات الرقمية على نحو أقرب إلى العمل شبه المستقل.
تقنية اهتمام متناثر لتقليل الكلفة
السر التقني الأبرز خلف الكفاءة العالية في M3 هو تقنية MiniMax Sparse Attention، أو ما تسميه الشركة MSA. الفكرة الأساسية هنا هي تقليل العبء الحسابي الناتج عن آليات الانتباه التقليدية في المحولات اللغوية، والتي ترتفع كلفتها بشكل كبير مع زيادة طول النصوص.
بدلاً من معالجة كل جزء من النص بنفس مستوى التركيز في كل مرة، تعتمد التقنية الجديدة على تقسيم أكثر ذكاءً لبيانات المفاتيح والقيم، ثم تمرير الاستعلامات إلى الأجزاء ذات الصلة فقط. النتيجة هي استخدام أكثر كفاءة للذاكرة والعتاد، مع تقليل واضح في الزمن المطلوب للتنفيذ.
وتقول MiniMax إن هذا النهج يرفع الأداء الداخلي للنظام، ويجعل النموذج أسرع من بعض البدائل مفتوحة المصدر في اختبارات معينة. كما تؤكد أن احتياج M3 إلى الحوسبة ينخفض بشكل ملموس عند التعامل مع سياق مليون رمز، ما ينعكس مباشرة على الكلفة التشغيلية للمؤسسات.
نتائج تنافسية في اختبارات البرمجة والوكلاء
على مستوى القياس العملي، سجل M3 نتائج قوية في عدد من الاختبارات التي تقيس قدرة النماذج على إصلاح الشيفرة، والتعامل مع الطرفية، واستخدام الأدوات، والتنقل في الويب بشكل مستقل. ومن بين الأرقام التي لفتت الانتباه تسجيل 59.0% في SWE-Bench Pro، وهي نتيجة تضعه أمام GPT-5.5 وGemini 3.1 Pro في هذا المعيار بحسب ما أعلنته الشركة.
كما حقق 66.0% في Terminal Bench 2.1، و74.2% في MCP Atlas، و83.5% في BrowseComp، وهي اختبارات ترتبط بمستوى التفاعل مع الأدوات، واستخدام البيئة الطرفية، والبحث عبر الويب، وتنفيذ مهام الوكيل الذكي. هذه النتائج تعزز صورة M3 كنموذج موجّه للتطبيقات العملية أكثر من كونه مجرد مولد نصوص تقليدي.
في المقابل، لا يعني هذا أن M3 يتفوق في كل السيناريوهات. بعض النماذج المغلقة الأحدث ما تزال تتقدم في المهام الأعلى تعقيداً، خصوصاً تلك التي تتطلب استدلالاً أعمق أو تشغيل أدوات أكثر كثافة. لكن الفارق هنا أن MiniMax تقدم بديلاً يقترب من هذه المستويات مع فارق كبير في السعر وإمكانية التخصيص.
خطط لطرح الأوزان المفتوحة تعزز جاذبية النموذج
من النقاط التي قد تمنح M3 زخماً إضافياً في السوق أن الشركة تخطط لإطلاقه لاحقاً تحت رخصة مفتوحة تتضمن الأوزان، ما يسمح بتنزيله وتشغيله وتعديله داخل بيئات خاصة. هذا الطرح، إذا تم كما هو معلن، سيجعل النموذج أكثر ملاءمة للمؤسسات التي تضع الخصوصية والسيادة التقنية في مقدمة أولوياتها.
تشغيل النموذج محلياً داخل بنية المؤسسة يقلل الحاجة إلى إرسال البيانات إلى واجهات خارجية، ويمنح فرق التطوير حرية أكبر في الضبط والتخصيص والتكامل مع الأنظمة الداخلية. كما يفتح الباب أمام استخدامات أكثر حساسية في قطاعات مثل المال، والصناعة، والخدمات القانونية، والرعاية الصحية، حيث يمثل التحكم في البيانات شرطاً أساسياً.
لكن بعض التفاصيل لا تزال غير محسومة، بما في ذلك نوع الترخيص النهائي الذي سيحكم التوزيع والاستخدام. ومع ذلك، فإن مجرد الانتقال من نموذج مغلق بالكامل إلى نموذج بأوزان مفتوحة يعد رسالة مهمة في سوق يتجه تدريجياً نحو مزيد من المرونة.
ماذا يعني ذلك لسوق الذكاء الاصطناعي؟
إطلاق M3 يعكس تحوّلاً أوسع في سباق الذكاء الاصطناعي العالمي: لم تعد المنافسة قائمة فقط على من يملك النموذج الأكبر أو الأغلى، بل أيضاً على من يستطيع تقديم أداء قوي بكلفة أقل وبمرونة أكبر للمطورين والشركات. هذه المعادلة الجديدة تفسر لماذا تحظى النماذج التي تجمع بين الكفاءة والقابلية للتشغيل المحلي باهتمام متزايد.
إذا نجحت MiniMax في المحافظة على هذا التوازن بين الجودة والسعر، فقد تجد نفسها أمام فرصة حقيقية لاجتذاب شريحة واسعة من الشركات التي تريد ميزات النماذج المتقدمة من دون التزام مالي مرتفع. كما أن إدخال تحسينات على البنية المعمارية، مثل الاهتمام المتناثر، قد يدفع المنافسين إلى التركيز أكثر على الكفاءة بدل الاعتماد على الحجم وحده.
في المحصلة، يبدو M3 واحداً من أبرز الإصدارات التي تسلط الضوء على الاتجاه الجديد في الذكاء الاصطناعي: نماذج أقوى، وأذكى، وأرخص في التشغيل. وإذا تحققت وعود MiniMax بشأن الأوزان المفتوحة، فقد يصبح النموذج ورقة مهمة في معركة البنية التحتية للذكاء الاصطناعي خلال المرحلة المقبلة.