Репортаж от Wedoany，10 июля компания MiniMax завершила очередной раунд финансирования на общую сумму около 16 млрд гонконгских долларов. В сделке приняли участие более сотни институциональных инвесторов, коэффициент покрытия заявок составил 7 раз, а объем эмиссии был увеличен с первоначальных примерно 1,8 млрд долларов США до более чем 2 млрд долларов США. Привлеченные средства будут направлены в первую очередь на развитие AI-инфраструктуры, исследования и разработку моделей, инжиниринг агентов и глобальное управление продуктами.
Данный раунд финансирования состоит из двух частей: размещения новых акций и беспроцентных конвертируемых облигаций. Размещение 35,6 млн новых акций класса A, как ожидается, привлечет около 9,54 млрд гонконгских долларов, а объем беспроцентных конвертируемых облигаций составит 6,5 млрд гонконгских долларов. MiniMax планирует направить около 80% привлеченных средств на AI-инфраструктуру и исследования и разработку моделей. Направление использования средств не предполагает обычного расширения бизнеса, а заключается в дальнейшем увеличении инвестиций в вычислительные кластеры, обучение моделей, инференс-сервисы и разработку продуктов на основе агентов.
Разработка больших языковых моделей требует постоянного удовлетворения двух типов потребностей в вычислительных мощностях: обучение и инференс. Этап обучения включает обработку огромных объемов данных, распределенные вычисления, обновление параметров модели и многочисленные эксперименты. Этап инференса требует от модели поддержания низкой задержки, высокой степени параллелизма и стабильной производительности при реальных запросах пользователей. По мере расширения контекстного окна, перехода моделей к мультимодальности и задачам агентов, объем текста, изображений, видео, кода, результатов работы инструментов и исторических состояний, обрабатываемых за одну задачу, постоянно растет, что требует синхронного расширения вычислительных мощностей, хранилищ, сетей и инженерного планирования.
Последняя флагманская модель MiniMax, M3, сконцентрировала техническое направление на кодировании, агентах, сверхдлинном контексте и нативной мультимодальности. Модель использует архитектуру разреженного внимания MiniMax Sparse Attention, поддерживает контекст до 1 млн токенов и может обрабатывать изображения, видео и управлять рабочим столом. При контексте в 1 млн токенов объем вычислений на один токен в M3 снизился примерно до одной двадцатой от предыдущего поколения моделей, скорость на этапе предварительного заполнения увеличилась более чем в 9 раз, а на этапе декодирования — более чем в 15 раз.
Инжиниринг агентов — еще одно ключевое направление инвестиций в этом раунде. Чтобы модель могла выполнять реальную работу, она не должна ограничиваться генерацией текста или кода; ей необходимо понимать цели, разбивать задачи на подзадачи, вызывать инструменты поиска и офисные приложения, читать файлы, выполнять программы, проверять результаты и корректировать следующие шаги на основе промежуточной обратной связи. Инжиниринг управления агентами требует решения проблем, связанных с интерфейсами инструментов, состоянием задач, контролем доступа, долговременной памятью, восстановлением после ошибок и оценкой выполнения, чтобы модель могла непрерывно работать в длинных цепочках задач.
M3 уже расширила свои возможности кодирования до исправления программных ошибок, фронтенд- и бэкенд-разработки, оптимизации производительности и выполнения в терминале. С помощью интерактивной среды симуляции пользователей модель обучается обрабатывать уточнения требований, обсуждение решений, корректировки на основе обратной связи и итерации сложных проектов. Модель больше не выполняет только одноразовые инструкции, а пытается совместно с разработчиками продвигать программные задачи в непрерывных сессиях.
В настоящее время MiniMax сформировала систему моделей для языка, видео, речи, изображений и музыки, а также запустила кодового агента, генерацию видео, генерацию аудио, приложения с AI-персонажами и корпоративную платформу для разработки. После поступления 16 млрд гонконгских долларов конкретными направлениями инвестиций станут расширение AI-инфраструктуры, обучение M3 и последующих моделей, инжиниринг управления агентами, оптимизация вычислений для длинного контекста и развертывание мультимодальных продуктов.
