MiniMax M2.5 નું પરીક્ષણ કર્યા પછી, મને ક્લાઉડનું સબ્સ્ક્રિપ્શન રિન્યૂ કરવું કે નહીં તેની શંકા થવા લાગી...

MiniMax M2.5 આવી ગયું છે! મેં તરત જ ક્લાઉડ કોડને કનેક્ટ કરીને તેનું પરીક્ષણ કર્યું.

આ વખતે ખરેખર અલગ છે, MiniMax દ્વારા જાહેર કરવામાં આવેલ પરિણામો ખૂબ જ પ્રભાવશાળી છે.

SWE-Bench Verified માં 80.2% મેળવ્યા, Multi-SWE-Bench મલ્ટી-લેંગ્વેજ પ્રોગ્રામિંગમાં સીધું જ પ્રથમ સ્થાન મેળવ્યું, BrowseComp ની શોધ ક્ષમતા પણ 76.3% ના SOTA સ્તરની છે.

OpenClaw ના સ્થાપક પીટર સ્ટેઈનબર્ગરે અગાઉ એક ઇન્ટરવ્યુમાં MiniMax શ્રેણીના મોડેલોની ઘણી વખત ભલામણ કરી હતી, આ વખતે M2.5 બહાર આવતા જ તેમણે એક પોસ્ટ ફોરવર્ડ કરી:

"MiniMax એ હમણાં જ MiniMaxM2.5 બહાર પાડ્યું છે, જેની કામગીરી Opus4.6 જેટલી જ છે, અને કિંમત 20 ગણી ઓછી છે!"

હું ખરેખર દરેકને જાતે જ પ્રયાસ કરવાની ભારપૂર્વક ભલામણ કરું છું, M2.5 સંપૂર્ણપણે ડેવલપર્સ માટે ભગવાન સમાન છે, તેની વિકાસ ક્ષમતા ખૂબ જ મજબૂત છે!

M2.5 નો ઉપયોગ કર્યા પછી, મને શંકા થવા લાગી છે કે આવતા મહિને ક્લાઉડનું સબ્સ્ક્રિપ્શન રિન્યૂ કરવું જરૂરી છે કે નહીં...

મુખ્ય ફાયદા

M2.5 ની સૌંદર્યલક્ષી સમજ અને પૂર્ણતાનું સ્તર ખૂબ જ ઊંચું છે, ખાસ કરીને તે કેટલીક ખૂબ જ જટિલ વિકાસ જરૂરિયાતોને હેન્ડલ કરવામાં નિષ્ણાત છે. દરેક જણ થોડીવારમાં મારો બીજો કેસ જોઈ શકે છે, જે ખૂબ જ સારી રીતે પૂર્ણ થયો છે, તેને લગભગ 20 મિનિટ લાગી હતી.

સત્તાવાર રીતે MiniMax M2.5 ને સ્માર્ટ એજન્ટ નેટિવ આર્કિટેક્ચર કહેવામાં આવે છે, બીજા શબ્દોમાં કહીએ તો, આ મોડેલ જન્મથી જ કામ કરવા માટે જ બનેલું છે.

તેના સક્રિય પરિમાણોની સંખ્યા માત્ર 10B છે, સરખામણીમાં, Claude Opus 4 જેવા ફ્લેગશિપ મોડેલમાં સેંકડો B પરિમાણો હોય છે. પરંતુ પ્રોગ્રામિંગ, દસ્તાવેજ પ્રોસેસિંગ અને જટિલ કાર્ય અમલીકરણ જેવી દિશાઓમાં, M2.5 ટોચના ફ્લેગશિપ મોડેલો સાથે સ્પર્ધા કરી શકે છે.

હું તાજેતરમાં જ જોઈ રહ્યો હતો કે મારા ઘણા મિત્રો વેબસાઇટ ડેવલપમેન્ટના પ્રોજેક્ટ્સ કરી રહ્યા છે, અથવા વ્યાપારી પ્લેટફોર્મ બનાવી રહ્યા છે, ત્યારે તેઓએ આઉટસોર્સિંગ માટે પૈસા ખર્ચવા પડે છે.

પરંતુ મારે કહેવું જ જોઇએ કે આ બધા કામ MiniMax M2.5 કરી શકે છે, અને તેની અસર ઘણા ઓનલાઈન પ્લેટફોર્મથી જરાય ઓછી નથી...

મેં 3 પરીક્ષણ દૃશ્યો ચલાવ્યા, જેમાં વ્યક્તિગત વેબસાઇટ ડેવલપમેન્ટ, વ્યાપારી પ્લેટફોર્મની સ્થાપના અને ઓનલાઈન એજ્યુકેશન પ્લેટફોર્મની સ્થાપના જેવા ક્ષેત્રોને આવરી લેવામાં આવ્યા છે, ચાલો જોઈએ કે MiniMax M2.5 ની વાસ્તવિક અસર કેવી છે 👇

વાસ્તવિક કેસ

Case 1: બ્યુટી બ્લોગરને તેની પોતાની બ્રાન્ડની વેબસાઇટ બનાવવી છે

થોડા સમય પહેલા, એક બ્યુટી સેલ્ફ-મીડિયા મિત્રએ મને સલાહ માટે પૂછ્યું, તેણે કહ્યું કે તે AI નો ઉપયોગ કરીને એક વ્યક્તિગત વેબસાઇટ બનાવવા માંગે છે, જેથી તે તેના પોતાના સોશિયલ મીડિયાના કેટલાક કામો બતાવી શકે, અને પાર્ટી A ને બતાવવામાં સરળતા રહે.

પરંતુ તે પોતે કોડિંગ વિશે બિલકુલ જાણતી નથી, અને બહારથી આઉટસોર્સિંગના ભાવ હજારોથી શરૂ થાય છે.

આ જરૂરિયાતના આધારે, હું જોવા માંગતો હતો કે શું MiniMax M2.5 નો સીધો ઉપયોગ કરીને એક જ વારમાં કામ થઈ શકે છે કે નહીં.

તેણે પહેલા આખી વેબસાઇટના ટેક્નોલોજી સ્ટેક અને ડિરેક્ટરી સ્ટ્રક્ચરની યોજના બનાવી, અને પછી એક પછી એક પેજ માટે કોડ જનરેટ કરવાનું શરૂ કર્યું.

કેટલીક જગ્યાએ તે સક્રિયપણે ઑપ્ટિમાઇઝ કરશે, જેમ કે મોબાઇલ ઉપકરણો પર આપમેળે વોટરફોલ ફ્લોની કૉલમની સંખ્યાને સમાયોજિત કરવી, અને ગ્રેડિયન્ટ બેકગ્રાઉન્ડમાં સ્મૂથ ટ્રાન્ઝિશન એનિમેશન ઉમેરવું.

આખી પ્રક્રિયામાં લગભગ ત્રણ મિનિટથી વધુ સમય લાગ્યો, અને સંપૂર્ણ HTML, CSS અને રિસ્પોન્સિવ લેઆઉટ કોડ જનરેટ થયો.

આના પરથી જોઈ શકાય છે કે તેની વ્યવહારિક કિંમત ખરેખર સ્પષ્ટ છે, ખાસ કરીને વ્યક્તિગત બ્લોગર્સ અને નાના સ્ટુડિયો જેવા મર્યાદિત બજેટવાળા જૂથો માટે, આ ક્ષમતા સીધી જ વેબસાઇટ બનાવવાનો ખર્ચ હજારો રૂપિયાથી ઘટાડીને શૂન્ય કરી દે છે.

તમારે ફક્ત જરૂરિયાતો જણાવવાની છે, બાકીનું બધું ટેક્નિકલ કામ AI ને સોંપી દો.

Case 2: KOL વ્યાપારી સહકાર પ્લેટફોર્મની જટિલ સિસ્ટમ

આ કેસની મુશ્કેલી એક સ્તર ઉપર છે, હું એ ચકાસવા માંગતો હતો કે શું તે ખરેખર બિઝનેસ લોજિક ધરાવતા પ્લેટફોર્મ પ્રકારના ઉત્પાદનોને હેન્ડલ કરી શકે છે કે નહીં, માત્ર એક ડિસ્પ્લે વેબસાઇટ બનાવવા જેટલું સરળ નથી.હું એક KOL વ્યાપારી સહયોગ પ્લેટફોર્મ બનાવવા માંગુ છું, જેમાં ચાહકોની છબીઓ અને અવતરણો દર્શાવવા માટે સેલિબ્રિટી ડેટા પેનલ હોય, બ્રાન્ડ્સને તેમની જરૂરિયાતો ઇનપુટ કર્યા પછી યોગ્ય KOLની ભલામણ કરવા માટે એક સ્માર્ટ મેચિંગ સિસ્ટમ હોય, આગામી ત્રણ મહિનાના સમયપત્રકને દૃષ્ટિની રીતે દર્શાવવા માટે એક શેડ્યૂલ કૅલેન્ડર હોય, અને તેમાં કરાર નમૂના પુસ્તકાલય અને ડેટા ટ્રેકિંગ રિપોર્ટ્સ પણ હોવા જોઈએ.

વિઝ્યુઅલ શૈલી Instagram કાર્ડ લેઆઉટ વત્તા B2B SaaS ડેશબોર્ડ શૈલી જેવી હોવી જોઈએ.

તેની પ્રક્રિયા કરવાની રીત પ્રથમ કેસ કરતાં વધુ વ્યવસ્થિત છે.

સૌ પ્રથમ, કાર્યાત્મક મોડ્યુલોને વિઘટિત કરવામાં આવે છે, અને ડેટા પેનલ, મેચિંગ એલ્ગોરિધમ, કૅલેન્ડર ઘટક અને દસ્તાવેજ વ્યવસ્થાપન જેવી કેટલીક સબસિસ્ટમ ડિઝાઇન કરવામાં આવી છે.

પછી, ફ્રન્ટ એન્ડમાં કાર્ડ ફ્લો લેઆઉટ દ્વારા તેમને એકસાથે સાંકળવામાં આવે છે, અને બેક એન્ડ લોજિક સમગ્ર પ્રક્રિયાને ચલાવવા માટે સિમ્યુલેટેડ ડેટાનો ઉપયોગ કરે છે.

રસપ્રદ વાત એ છે કે, જ્યારે તે સ્માર્ટ મેચિંગ ફંક્શન કરે છે, ત્યારે તે સક્રિયપણે ભલામણ એલ્ગોરિધમનું એક સરળ સંસ્કરણ ડિઝાઇન કરશે. જો કે તે વાસ્તવિક મશીન લર્નિંગ મોડેલ નથી, પરંતુ ટેગ મેચિંગના તર્ક પર આધારિત હોવાથી તે મુખ્ય ખ્યાલો દર્શાવવામાં સક્ષમ છે.

સમગ્ર પ્રોજેક્ટને વિકસાવવામાં લગભગ 20 મિનિટ લાગી. આ સ્તરની જટિલતા સાથે, જો કોઈ વિકાસ ટીમ તેને કરે છે, તો તેમાં લગભગ એક કે બે મહિનાથી ઓછો સમય લાગશે નહીં.

અને મારે કહેવું જ જોઇએ કે આ ક્ષમતા ઉદ્યોગસાહસિકો માટે ખૂબ મૂલ્યવાન છે.

તમારી પાસે એક વ્યાપારી વિચાર છે, અને તમે બજારને ચકાસવા માટે ઝડપથી MVP બનાવવા માંગો છો, તો તમે આ રીતે ઉત્પાદન પ્રોટોટાઇપ બનાવી શકો છો અને પછી નક્કી કરી શકો છો કે સત્તાવાર વિકાસમાં સંસાધનોનું રોકાણ કરવું કે નહીં.

કેસ 3: નવી ચાઇનીઝ સૌંદર્ય શાસ્ત્રનું ઓનલાઇન શિક્ષણ પ્લેટફોર્મ

ત્રીજા કેસમાં, હું સાંસ્કૃતિક અને સર્જનાત્મક દિશામાં તેની કામગીરી અજમાવવા માંગુ છું. આ પ્રકારની જરૂરિયાતોમાં માત્ર કાર્ય અમલીકરણ જ નહીં, પણ સૌંદર્ય શાસ્ત્ર અને વાતાવરણની રચના પણ સામેલ છે, જે ઘણીવાર AIની નબળાઈ હોય છે.

હું શિગુઆંગ એકેડેમી નામના ઓનલાઇન રાષ્ટ્રીય અભ્યાસ શિક્ષણ પ્લેટફોર્મ માટે એક વેબસાઇટ બનાવવા માંગુ છું, જેમાં નવી ચાઇનીઝ સૌંદર્ય શાસ્ત્ર હોવી જોઈએ. રંગોમાં મીંજવાળું સફેદ, શાહી રંગ અને સિનાબાર લાલ ગ્રેડિયન્ટનો ઉપયોગ કરો, પૃષ્ઠભૂમિમાં સુલેખન અથવા શાહી લેન્ડસ્કેપ પેઇન્ટિંગ્સ મૂકો અને કણોના વિખેરાઈ જવાની અસર ઉમેરો. વાંસના સ્લિપ્સ અને સ્ક્રોલ અને સીલ જેવા પ્રાચીન પુસ્તક તત્વોને મર્જ કરો, અને ટેક્સ્ટ માટે સોંગ ફોન્ટ વર્ટિકલ લેઆઉટનો ઉપયોગ કરો. દરેક કોર્સ ડિસ્પ્લે બોક્સ લાઇન-બાઉન્ડ પુસ્તક જેવો હોવો જોઈએ, અને પૃષ્ઠભૂમિમાં પ્રાચીન સંગીત અથવા ચા સમારંભના વિડિયો ચલાવો. સમગ્ર વાતાવરણ વિદ્વાન અને શાંત હોવું જોઈએ, જાણે કે કોઈ અભ્યાસમાં ચા પીતો હોય અને ફિલસૂફીની ચર્ચા કરતો હોય.

અમલીકરણ દરમિયાન, તેણે સાંસ્કૃતિક પ્રતીકોને સમજવાની ક્ષમતા દર્શાવી.

મૂળભૂત વિઝ્યુઅલ શૈલીને અમલમાં મૂકવા ઉપરાંત, તે વિગતો પર પણ ધ્યાન આપશે, જેમ કે પૃષ્ઠ સંક્રમણોમાં શાહી ધોવાની સંક્રમણ એનિમેશન ઉમેરવું, કોર્સ કાર્ડ્સ પર સીલ-શૈલીના લેબલ્સ ઉમેરવા અને માઉસ હોવર થાય ત્યારે બ્રશ લેખન પાથ એનિમેશનને પણ ટ્રિગર કરવું.

આ નાની યુક્તિઓએ સમગ્ર પૃષ્ઠને ભાવના આપી, તે હવે ઠંડા કોડનો ઢગલો નથી.

પરિણામ એ આવ્યું કે મેં આ ડેમો મારા સાંસ્કૃતિક પ્રસારણ મિત્રને મોકલ્યો, અને તેની પહેલી પ્રતિક્રિયા એ હતી કે મેં કઈ ડિઝાઇન કંપની શોધી છે.

જ્યારે મેં તેને કહ્યું કે આ AI દ્વારા કરવામાં આવ્યું છે, ત્યારે તેને જરાય વિશ્વાસ ન થયો.

તેથી હું કહું છું કે સૌંદર્ય શાસ્ત્રના સ્તરે AIની ઉત્ક્રાંતિની ગતિને ઓછી આંકવામાં આવી શકે છે. તે માત્ર માનવ ડિઝાઇનનું અનુકરણ જ નથી કરી રહ્યું, પરંતુ તે ખરેખર સાંસ્કૃતિક અર્થ અને ભાવનાત્મક અભિવ્યક્તિને સમજી રહ્યું છે.

સારાંશ

આ કેટલાક કેસનું પરીક્ષણ કર્યા પછી, મને લાગે છે કે MiniMax M2.5ની અમલીકરણ સ્તરની ક્ષમતા ખરેખર પૂરતી મજબૂત છે.

તે જટિલ જરૂરિયાતોને સમજી શકે છે, કાર્યોના પગલાંની જાતે યોજના બનાવી શકે છે, અને તેની ઝડપ અતિશય છે. અધિકારીઓએ કહ્યું કે અનુમાનની ગતિ Opus કરતા 3 ગણી વધારે છે, અને મારા પરીક્ષણોએ પણ આ લાગણી આપી.

જો તમે પણ ઘણીવાર અમલીકરણ સ્તરની નજીવી બાબતોથી બોજારૂપ હોવ, તો હું તમને વ્યક્તિગત રીતે પરીક્ષણ કરવાની ખૂબ ભલામણ કરું છું. હવે API ઇન્ટરફેસ પણ ખુલ્લું છે, અને મુખ્ય બાબત એ છે કે શું તે ખરેખર તમારી કાર્ય પ્રક્રિયામાં એકીકૃત થઈ શકે છે.

સાચું કહું તો, AI અત્યારે જે તબક્કે પહોંચી છે, તે હવે વાપરી શકાય છે કે નહીં તેનો પ્રશ્ન નથી, પરંતુ તેનો ઉપયોગ કેવી રીતે કરવો તેનો પ્રશ્ન છે.વહેલા શરૂ કરો, વહેલા લાભ મેળવો.