‏تست عملی MiniMax M3.1 Flash با ایجنت ترمینالی M-Code

MiniMax M3.1 Flash یه مدل کدنویسی multimodal (یعنی هم متن می‌فهمه هم تصویر) از شرکت MiniMax هست که هنوز رسماً منتشر نشده. فعلاً فقط از طریق نسخهٔ پیش‌نمایش ایجنت ترمینالی خود شرکت به اسم M-Code و با اشتراک coding plan قابل استفاده‌ست. context window یک میلیون توکنی داره و عمق فکر کردنش (thinking depth) رو می‌شه وسط همون جلسه از low تا max عوض کرد، یعنی لازم نیست از اول برای کل کار یه حالت رو انتخاب کنی.

M-Code یه ایجنت خط فرمانه، شبیه بقیهٔ ایجنت‌های ترمینالی این روزها. نصبش می‌کنی، با API key احراز هویت می‌کنی و از یه model picker، مدل M3.1 Flash Preview رو انتخاب می‌کنی. بهش یه هدف می‌دی و خودش کارای چندمرحله‌ای مثل ساختن فایل و چک کردن نتیجه رو انجام می‌ده. به گفتهٔ نویسنده، چیزی که متمایزش کرده سرعتشه و اینکه راحت می‌شه دید تا الان چیکار کرده. امکان pause کردن وسط کار هم داره که اجازه می‌ده قبل از تموم شدن یه کار طولانی دخالت کنی.

تست اول، تصمیم‌گیری برای یه پهپاد از روی یه فریم تصویر بود: باتری ۱۸ درصد، یه سیم برق نازک روی جاده، یه نفر با دست‌های بالا و یه سکوی فرود با علامت H. خروجی باید فقط JSON باشه. مدل JSON معتبر داد، باتری کم و سیم رو تشخیص داد و تصمیم گرفت روی سکو فرود بیاد. ولی جای سیم رو اشتباه گفت (سمت چپ مسیر، در حالی که سیم عرض جاده رو قطع می‌کرد) و قبل از فرود مرحلهٔ hover رو هم جا انداخت.

تست دوم ساختن یه بازی سه‌بعدی «کف زمین گدازه‌ست» از صفر بود، با اسکریپت Blender برای ساختن مبلمان و Godot برای خود بازی، بدون دخالت آدم. حدود ۳۰ دقیقه طول کشید و نتیجه یه بازی قابل بازی بود: حرکت، پرش، گدازه و game over کار می‌کردن. مشکل اصلی دوربین بود که زاویه‌ش قضاوت پرش‌ها رو سخت می‌کرد. نویسنده اشاره می‌کنه مدل‌های دیگه مثل Claude تو تست‌های مشابه دوربین رو بهتر درآوردن.

تست سوم پیدا کردن یه باگ پنهان تو یه کوئری قدیمی DB2 با شش join بود که فقط چند روز در سال خودشو نشون می‌ده. به مدل فقط علامت مشکل (یه مقدار که کمی بیشتر از حد درمیاد) و فایل کوئری داده شد. مدل تقریباً فوراً فهمید یه شرط بازهٔ تاریخ inclusive روی فیلد نرخ ارز (FX) باعث می‌شه روزهای مرزی دوبار حساب شن. این دقیقاً همون جواب درست بود.

جمع‌بندی نویسنده اینه که خطاهای مدل محدود بودن، نه مفهومی. یعنی تو استدلال و جزئیات قوی بوده و تو کارای خلاقانهٔ بزرگ، منطق رو درست ساخته ولی ظاهر رو کامل درنیاورده. MiniMax گفته قصد داره مدل رو به صورت open weights روی Hugging Face منتشر کنه، ولی تاریخی اعلام نشده.

نکات کلیدی:

• context window یک میلیون توکنی
• thinking depth از low تا max، قابل تغییر وسط جلسه
• فعلاً فقط از طریق M-Code و coding plan پولی MiniMax در دسترسه
• ساخت بازی سه‌بعدی با Blender و Godot حدود ۳۰ دقیقه طول کشید
• باگ تاریخ مرزی تو کوئری DB2 با شش join رو تقریباً فوراً پیدا کرد
• انتشار open weights روی Hugging Face قول داده شده، بدون تاریخ مشخص