يمكن تشغيل MiniMax M2.5 على أجهزة استهلاكية — ولكن فقط مع الضغط الكمي (Quantization) القوي. باستخدام الضغط الكمي GGUF الديناميكي 3 بت من Unsloth AI، يمكنك تقليص النموذج كامل الدقة بحجم 457 جيجابايت إلى حوالي 101 جيجابايت. يحلل هذا الدليل متطلبات ذاكرة VRAM الفعلية عبر مستويات الضغط الكمي، ويُقارنها بوحدات معالجة رسومية محددة مع أسعار سحابة Novita AI.
مقدمة حول MiniMax M2.5
MiniMax M2.5 هو نموذج مزيج من الخبراء (MoE) بحجم 229 مليار معلمة و256 طبقة خبراء، يُفعّل 8 خبراء (حوالي 10 مليارات معلمة) لكل رمز مميز. يحقق 80.2% في SWE-Bench Verified، و51.3% في Multi-SWE-Bench، و76.3% في BrowseComp، مما يجعله واحداً من أقوى النماذج المفتوحة للبرمجة الوكيلة واستخدام الأدوات. يدعم النموذج نافذة سياقية بطول 205 ألف رمز مميز وهو مرخص بموجب MIT للاستخدام التجاري غير المقيد.
من Huggingface
من Huggingface
من Huggingface
متطلبات VRAM لـ MiniMax M2.5
تزداد احتياجات VRAM مع مستوى الدقة. يوضح الجدول أدناه أحجام الملفات من ضغطات GGUF الخاصة بـ Unsloth وتنسيقات AWQ الهجينة — أضف 4-10 جيجابايت كعبء إضافي لذاكرة التخزين المؤقت KV اعتماداً على طول السياق وحجم الدفعة.
| التكوين | VRAM المطلوبة |
|---|---|
| BF16 (دقة كاملة) | 457 جيجابايت |
| Q8_0 GGUF | 243 جيجابايت |
| Q6_K GGUF | 188 جيجابايت |
| Q4_K_M GGUF | 138 جيجابايت |
| IQ4_XS GGUF | 122 جيجابايت |
| Q3_K_M GGUF (ديناميكي 3 بت) | 109 جيجابايت |
| Q2_K GGUF | 83 جيجابايت |
| UD-IQ2_XXS GGUF (فائق الديناميكية 2 بت) | 74 جيجابايت |
باستخدام مخطط ضغط كمي هجين (أوزان INT4 AWQ، انتباه FP8، وذاكرة تخزين مؤقت KV معايرة FP8)، يمكن لـ MiniMax M2.5 الوصول إلى سياق بطول 370 ألف رمز على ذاكرة VRAM بحجم 192 جيجابايت وتمكين إنتاجية دفعات أعلى بكثير مقارنةً بـ AWQ القياسي، الذي عادةً ما يكون محدوداً بذاكرة KV المخبأة.
توصيات GPU لـ MiniMax M2.5
جميع الأسعار أدناه تعكس أسعار الطلب الفوري من Novita AI. تُحسب تكاليف وحدات المعالجة المتعددة كسعر وحدة واحدة × العدد.
RTX 5090 (32 جيجابايت)
| التكوين | إجمالي VRAM | الضغط الكمي (Quantization) | ملاحظات |
|---|---|---|---|
| 3× RTX 5090 | 96 جيجابايت | Q2_K | يعمل لكنه يصل بحدود الذاكرة |
| 4× RTX 5090 | 128 جيجابايت | Q3_K_M ديناميكي 3 بت | مستقر مع دفعات متوسطة |
H100 (80 جيجابايت)
| التكوين | إجمالي VRAM | الضغط الكمي (Quantization) | ملاحظات |
|---|---|---|---|
| 2× H100 | 160 جيجابايت | Q4_K_M | نشر مستقر بجودة نموذج أعلى |
غير موصى به: لا يمكن لـ RTX 4090 واحد أو RTX 5090 واحد استيعاب MiniMax M2.5 حتى مع أكثر الضغطات الكمية عدوانية. معالج Strix Halo APU مع Q3_K_M يُنتج سرعات “غير قابلة للاستخدام تقريباً”، حيث يعالج سياقاً بطول 80 ألف رمز لكن بسرعات استدلال غير عملية.
https://www.reddit.com/r/LocalLLaMA/comments/1r8rgcp/minimax\_25\_on\_strix\_halo\_thread/
استراتيجيات النشر العملي
الاستراتيجية 1: واجهة API أولاً مع التبديل الاحتياطي إلى Spot GPU
ابدأ باستخدام واجهة Novita AI API بسعر 0.30/1.20 دولار لكل مليون رمز للتطوير والإنتاج الخفيف. عندما يتجاوز حجم الحركة نحو 100 مليون رمز شهرياً (تكلفة API تبلغ 150 دولاراً شهرياً)، قم بتشغيل مثيلات Spot من 2×H100 بسعر 5.18 دولار/ساعة لمهام المعالجة الدفعية، مع الاحتفاظ بـ API للاستدلال التفاعلي المباشر. يحد هذا النهج الهجين من التكاليف مع الحفاظ على زمن استجابة منخفض للاستخدام التفاعلي.
لتقليل التكلفة بشكل أكبر عند التوسع، تقدم Novita أسعار API منخفضة إلى جانب قراءات ذاكرة تخزين مؤقت للاستعلامات (prompt cache) مخفضة. عندما يُعاد استخدام الاستعلامات (مثل تعليمات النظام أو القوالب أو السياق المتكرر)، تُخدم الرموز المخزنة بسعر أقل بدلاً من إعادة حسابها — مما يقلل من زمن الاستجابة والتكلفة. وهذا يجعل بنية API أولاً + الدفعات أكثر كفاءة، خاصةً لسير العمل الوكيل والاستعلامات عالية التردد.
الاستراتيجية 2: النشر الذاتي مع الضغط الكمي
للفرق التي لديها متطلبات خصوصية أو أعباء عمل مستدامة عالية الحجم، قم بنشر الضغط الكمي Q3_K_M الديناميكي 3 بت أو Q4_K_M على 2×H100. استخدم llama.cpp لتنسيقات GGUF أو vLLM مع AWQ لتحسين الإنتاجية على مستوى الإنتاج.
كيفية الوصول إلى MiniMax M2.5 في سحابة GPU؟
الخطوة 1: إنشاء حساب
أنشئ حساباً في Novita AI من خلال موقعنا الإلكتروني. بعد التسجيل، انتقل إلى قسم “Explore” في الشريط الجانبي الأيسر لعرض عروض GPU وابدأ رحلة تطوير الذكاء الاصطناعي.
الخطوة 2: استكشاف القوالب وخوادم GPU
اختر من بين قوالب مثل PyTorch أو TensorFlow أو CUDA التي تناسب احتياجات مشروعك. ثم اختر تكوين GPU المفضل لديك — تشمل الخيارات GPUs القوية، ولكل منها مواصفات مختلفة من VRAM وRAM والتخزين.
الخطوة 3: تخصيص النشر
خصص بيئتك باختيار نظام التشغيل المفضل وخيارات التكوين لضمان أداء مثالي لأعباء عمل الذكاء الاصطناعي الخاصة بك واحتياجات التطوير.
تتيح بنية MoE بحجم 229 مليار معلمة في MiniMax M2.5 أداءً رائداً في البرمجة، لكنها تتطلب حداً أدنى من VRAM يبلغ 96 جيجابايت للضغط الكمي 2 بت أو 128-160 جيجابايت لنشر 3-4 بت بجودة إنتاجية. بالنسبة لمعظم المطورين، يوفر نشر API بسعر 0.30/1.20 دولار لكل مليون رمز أفضل توازن بين التكلفة والأداء والبساطة حتى 50 مليون رمز شهرياً.
الأسئلة الشائعة
هل يمكن تشغيل MiniMax M2.5 على RTX 4090 واحد؟
لا، يتطلب MiniMax M2.5 حداً أدنى من VRAM يبلغ 74 جيجابايت حتى مع الضغط الكمي الأكثر عدوانية UD-IQ2_XXS ثنائي البت. ذاكرة RTX 4090 الواحد تبلغ 24 جيجابايت فقط. تحتاج إلى 3-4 وحدات GPU استهلاكية على الأقل أو 2×H100.
ما هو مستوى الضغط الكمي الذي يحافظ على جودة الإنتاج لـ MiniMax M2.5؟
يُعد Q4_K_M (138 جيجابايت) أو Q3_K_M الديناميكي 3 بت (109 جيجابايت) أفضل توازن. تجنب Q2_K (83 جيجابايت) للإنتاج — يُبلغ مستخدمو Reddit عن تدهور ملحوظ في جودة البرمجة على الرغم من ارتفاع سعة السياق.
كيف تعمل أسعار واجهة API لـ MiniMax M2.5؟
بسعر 0.30 / 1.20 دولار لكل مليون رمز في Novita، تبلغ تكلفة معالجة مليون رمز يومياً حوالي 45 دولاراً شهرياً عبر API.
Novita AI هي منصة سحابية للذكاء الاصطناعي والعوامل (Agents) تساعد المطورين والشركات الناشئة في بناء ونشر وتوسيع نطاق النماذج والتطبيقات الوكيلة بأداء عالٍ وموثوقية وكفاءة من حيث التكلفة.
قراءات موصى بها
