希宇 MiniMax M2.5 Értékelés\n\nRövid következtetés: Lefelé gyökerezik, felfelé növekszik\n\n## Alapvető helyzet\n\nA 希宇 előző generációs M2.1-e technikai problémák miatt, bár a programozás terén jelentős fejlődést ért el, a logikai képességei elmaradtak az M2-től. Szerencsére az M2.5 alapvetően megoldotta a technikai problémákat, és a képességei visszatértek a normális kerékvágásba. Az M2-höz képest az M2.5 körülbelül 17%-os fejlődést ért el.\n\nEgyes fejlődések azonban hosszabb gondolkodási láncok és mélyebb megoldási tér feltárásával jártak. Az M2.5 átlagos Token-fogyasztása a 6. legmagasabb a tesztelt modellek között, ami majdnem kétszerese a Sonnet versenytársának. Szerencsére a 希宇 számítási kapacitása garantált, és a költsége sem magas. Bár a programozás terén nem tudja teljesen helyettesíteni a Sonnet-et, a mindennapi használatra már teljesen alkalmas. Az M2.5 végül elérte az M2.1 által kitűzött célokat.\n\n## Logikai eredmények\n\n\n\n1 A táblázat a kontraszt kiemelése érdekében csak a összehasonlítható modellek egy részét mutatja, nem a teljes sorrendet.\n\n2 A feladatok és a tesztelési módszerek a következő helyen találhatók: Nagy nyelvi modell - Logikai képesség keresztértékelés 26-01 havi rangsor. Új #56 feladat.\n\n3 A teljes rangsor frissítve a https://llm2014.github.io/llm_benchmark/ oldalon\n\n4 A piros a kínai újévre korlátozódik, a jó hangulatot jelzi, nincs más jelentése.\n\nMivel az M2.1 egy hibás verzió, amelynek logikai képességei rendkívül alacsonyak, a következőkben csak az M2 és az M2.5 generációk közötti összehasonlítást végezzük.\n\n## Fejlesztések\n\n- Stabil következtetés: Az M2.5 hosszabb következtetési folyamatok során is képes fenntartani a kezdeti korlátokat és a kontextuális részleteket, így néhány nem túl nehéz, de