/ Модель

Характеристики

Контекст
40 960 000 токенов
Размер весов
102 ГБ
Лицензия
Своя лицензия
Архитектура
minimax_m3_vl · dense
Опубликована
17 июн 2026

MiniMax-M3-REAP40-JANG_2L

Генерация текстаТекст → текст4 профессии

Квантованная и прореженная сборка MiniMax-M3 для экономичной диалоговой генерации на Apple Silicon через vMLX.

306скачиваний за 30 дней5лайковвеса обновлены8 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

JANGQ-AI/MiniMax-M3-REAP40-JANG_2L — компактная сборка MiniMax-M3 от Jinho Jang для запуска на компьютерах Apple Silicon через vMLX. В основе лежит разреженная мультимодальная архитектура MiniMax-M3 с MoE, GQA-4, MSA Lightning Indexer и визуальным энкодером; сборка сохраняет 77 из 128 маршрутизируемых экспертов в каждом MoE-слое после прореживания REAP на 40%. Для снижения требований к памяти применена смешанная аффинная квантизация JANG_2L с размером группы 64: основные матрицы маршрутизируемых экспертов квантизированы до 2 бит, down_proj — до 3 бит, общие эксперты — до 6 бит. Объём сборки составляет около 95 ГБ; автор указывает, что она помещается на Mac с 128 ГБ памяти и оставляет больше запаса, чем вариант REAP-32.

Модель предназначена для диалоговой генерации текста и мультимодального общения, включая сценарии с изображениями, в среде vMLX версии 1.5.62 или новее. По README, более ранние версии vMLX могут вызывать циклы повторов при длинной генерации из-за ошибки кэша среды выполнения. Пониженная точность и удаление экспертов экономят память, но могут ограничивать качество по сравнению с менее прореженной сборкой. Лицензия указана как other; веса базовой MiniMax-M3 используются на условиях лицензии MiniMax-M3.

Сценарии применения

  • диалоговое общение с моделью на Mac
  • генерация длинных текстовых ответов
  • вопросы и ответы по изображениям
  • локальный запуск MiniMax-M3 при ограниченном объёме памяти

Ограничения

Для запуска требуется vMLX версии 1.5.62 или новее: более ранние версии могут зацикливаться на повторах при длинной генерации. Прореживание 40% экспертов и смешанная низкая точность квантизации экономят память, но могут снизить качество относительно сборки с большим числом сохранённых экспертов.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MiniMax-M3 · REAP-40 · JANG_2L

⚠️ Requires vMLX ≥ v1.5.62

Earlier vMLX builds contain a runtime cache bug that causes repetition loops on long output. This is an engine issue, not a weights issue — update vMLX to v1.5.62 or later before running this model. On v1.5.62+ generation is clean.

A space-efficient MiniMax-M3 bundle for Apple Silicon: 40 % REAP expert pruning + JANG_2L mixed-precision quantization, ~95 GB — the smaller, lower-RAM sibling of REAP-32 (more pruning, less resident memory). Runs comfortably on a single 128 GB Mac via vMLX / MLX.

What this is

  • Base: MiniMax-M3 (model_type=minimax_m3_vl) — MoE, GQA-4, MSA Lightning Indexer, vision tower.

  • Pruning: REAP saliency pruning, 40 % of routed experts removed (77 of 128 kept per MoE layer), highest-saliency experts retained.

  • Quantization (JANG_2L, affine, group size 64):

    tensorbits
    routed experts gate_proj / up_proj2
    routed experts down_proj3
    shared experts6
    dense MLP (layers 0–2)6
    attention q/k/v/o8
    embeddings6
    lm_head8
    vision tower + projectors8
    norms, router gate, MSA indexerfp16

    down_proj is kept at 3-bit (the rest of the routed experts are 2-bit) for stable long-form coherency. The full per-module bit map is written into config.json (quantization) and applied automatically by the loader.

Which one to use

  • REAP-40 (this repo, ~95 GB): smaller, lower resident RAM, more headroom.
  • REAP-32 (~105 GB): keeps more experts; higher quality ceiling, closer to the RAM limit on 128 GB machines.

Usage

Load in vMLX (v1.5.62+); the engine autodetects minimax_m3_vl and applies the correct settings (native MSA cache, paged cache off, per-module quant map). Sampling defaults ship in generation_config.json (temperature=1.0, top_p=0.95).

Attribution

  • Quantization & packaging: Jinho Jang · eric@jangq.ai
  • Base model © MiniMax, used under the MiniMax-M3 license.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
MiniMaxM3SparseForConditionalGeneration
Ревизия весов
b3954e1

0 моделей