كيفية الوصول إلى MiniMax M1

يمثل MiniMax M1 قفزة نوعية في تكنولوجيا نماذج اللغة الذكاء الاصطناعي، حيث يقدم قدرات استدلال قوية للسياقات الطويلة وخيارات نشر مرنة. يرشدك هذا الدليل الشامل خلال عملية الوصول إلى MiniMax M1 وتنفيذه، مما يوفر لك الأدوات اللازمة لتعزيز مشاريع الذكاء الاصطناعي.

النقاط البارزة

MiniMax M1: نموذج MoE بـ 456 مليار معامل، وسياق يصل إلى مليون رمز.

استخدام MiniMax M1 عبر API
سهل، ومتوافق مع OpenAI API.
معلمات قابلة للتخصيص، وتجربة مجانية متاحة.

استخدام MiniMax M1 محلياً
دليل التثبيت خطوة بخطوة.

ربط MiniMax M1 على منصات الطرف الثالث
دمج MiniMax M1 بسلاسة عبر Hugging Face Spaces، وأطر عمل الوكلاء، وAPIs المتوافقة مع OpenAI لسير عمل تطويري مبسّط.

لفترة محدودة، يمكن للمستخدمين الجدد الحصول على رصيد مجاني بقيمة 10 دولارات لاستكشاف وبناء تطبيقات باستخدام واجهة LLM API على Novita AI.

ما هو MiniMax M1؟

MiniMax M1 هو أول نموذج استدلال هجين مفتوح المصدر واسع النطاق قائم على الخبراء في العالم. فهو يجمع بين بنية Mixture-of-Experts (MoE) وآلية Lightning Attention المبتكرة، المصممة خصيصًا للاستدلال في السياقات الطويلة جدًا والمهام المعقدة. يدعم MiniMax استدعاء الدوال (function calling)، وقدرته على معالجة ما يصل إلى مليون رمز من السياق تجعله مثالياً للبحث، وتطوير البرمجيات، والاستدلال الرياضي، وغيرها من التطبيقات الصعبة.

معلومات أساسية	التفاصيل
تاريخ الإصدار	يونيو 2025
حجم النموذج	456 مليار معامل (45.9 مليار نشط)
الهندسة	Mixture-of-Experts هجين مع Lightning Attention
طول السياق	مليون رمز
التدريب	Reinforcement Learning واسع النطاق على مجموعة متنوعة من المسائل
الميزات الخاصة	توسيع كفاءة الحوسبة في وقت الاختبار، انتباه هجين لـ RL

MiniMax M1

معالجة فعالة للسياقات الطويلة:

• يدعم نافذة سياق طويلة، مما يتيح معالجة المستندات الطويلة جدًا، وقواعد البيانات البرمجية التقنية، والمحادثات متعددة الجولات في تمريرة واحدة.
• يستخدم بنية MoE هجينة مع Lightning Attention للاستدلال الفعّال، مما يقلل التكلفة الحسابية إلى حوالي 25% من النماذج الكثيفة المماثلة.
• مثالي للمؤسسات التي تتعامل مع قواعد المعرفة واسعة النطاق، والأبحاث العلمية، وسير عمل العوامل التي تتطلب فهماً سياقياً عميقاً.

نشر فعال من حيث التكلفة:

• يوفر تسعيرًا تنافسيًا لواجهات API بقيمة 0.55 دولار لكل مليون رمز إدخال و 2.2 دولار لكل مليون رمز إخراج.

مفتوح المصدر وصديق للبحث:

• نموذج مفتوح الوزن بالكامل يشجع على الضبط الدقيق والتكامل المجتمعي، ويدعم التخصيص في مجالات مثل القانون والطب والبحث العلمي.
• يدعم استدعاء الدوال واستخدام أدوات الذكاء الاصطناعي (agentic AI tool use)، مما يتيح سير عمل معقدة واستدلالًا متعدد الخطوات.

استخدام MiniMax M1 عبر API

Novita AI هي منصة سحابية للذكاء الاصطناعي تقدم للمطورين طريقة سهلة لنشر نماذج الذكاء الاصطناعي باستخدام واجهة API البسيطة لدينا، مع توفير GPU سحابي ميسور التكلفة وموثوق للبناء والتوسع.

الخطوة 1: تسجيل الدخول والوصول إلى مكتبة النماذج

سجل الدخول إلى حسابك واضغط على زر Model Library.

جرب MiniMax M1 الآن!

الخطوة 2: اختر نموذجك

تصفح الخيارات المتاحة واختر النموذج الذي يناسب احتياجاتك.

الخطوة 3: ابدأ تجربتك المجانية

ابدأ تجربتك المجانية لاستكشاف إمكانيات النموذج المختار.

الخطوة 4: احصل على مفتاح API الخاص بك

للمصادقة مع API، سنقدم لك مفتاح API جديدًا. من خلال الدخول إلى صفحة Settings، يمكنك نسخ مفتاح API كما هو موضح في الصورة.

الخطوة 5: تثبيت API

قم بتثبيت API باستخدام مدير الحزم الخاص بلغة البرمجة التي تستخدمها.

بعد التثبيت، قم باستيراد المكتبات اللازمة إلى بيئة التطوير الخاصة بك. قم بتهيئة API باستخدام مفتاح API الخاص بك لبدء التفاعل مع Novita AI LLM. هذا مثال على استخدام API chat completions لمستخدمي بايثون.

from openai import OpenAI
  
client = OpenAI(
    base_url="https://api.novita.ai/v3/openai",
    api_key="",
)

model = "minimaxai/minimax-m1-80k"
stream = True # or False
max_tokens = 20000
system_content = ""كن مساعدًا مفيدًا""
temperature = 1
top_p = 1
min_p = 0
top_k = 50
presence_penalty = 0
frequency_penalty = 0
repetition_penalty = 1
response_format = { "type": "text" }

chat_completion_res = client.chat.completions.create(
    model=model,
    messages=[
        {
            "role": "system",
            "content": system_content,
        },
        {
            "role": "user",
            "content": "مرحبًا!",
        }
    ],
    stream=stream,
    max_tokens=max_tokens,
    temperature=temperature,
    top_p=top_p,
    presence_penalty=presence_penalty,
    frequency_penalty=frequency_penalty,
    response_format=response_format,
    extra_body={
      "top_k": top_k,
      "repetition_penalty": repetition_penalty,
      "min_p": min_p
    }
  )

if stream:
    for chunk in chat_completion_res:
        print(chunk.choices[0].delta.content or "", end="")
else:
    print(chat_completion_res.choices[0].message.content)

تشغيل MiniMax M1 محلياً

دليل التثبيت خطوة بخطوة

# الخطوة 1: تثبيت بايثون وإنشاء بيئة افتراضية
# تأكد من تثبيت Python 3.8+، ثم أنشئ بيئة افتراضية وقم بتفعيلها.
python3 -m venv minimax_env
source minimax_env/bin/activate  # على ويندوز استخدم `minimax_env\Scripts\activate`

# الخطوة 2: تثبيت المكتبات المطلوبة
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118  # PyTorch محسّن لوحدة معالجة الرسومات
pip install vllm huggingface-hub  # vLLM لخدمة MiniMax M1، وأدوات Hugging Face

# الخطوة 3: (اختياري) تسجيل الدخول إلى Hugging Face إذا كنت ترغب في سحب النماذج لاحقًا
pip install huggingface-cli
huggingface-cli login  # اتبع التعليمات للمصادقة

# الخطوة 4: تنزيل نموذج MiniMax M1 (إذا لم يتم بعد)
# استبدل <model-name> باسم مستودع MiniMax M1 الفعلي على Hugging Face
huggingface-cli download MiniMaxAI/MiniMax-M1-80k --local-dir ./minimax-m1

# الخطوة 5: تعيين متغير بيئة للتحميل السريع (لينكس/ماك)
export SAFETENSORS_FAST_GPU=1

# الخطوة 6: تشغيل خادم API MiniMax M1 مع vLLM
# اضبط --tensor-parallel-size حسب عدد وحدات معالجة الرسومات لديك
python3 -m vllm.entrypoints.api_server \
  --model ./minimax-m1 \
  --tensor-parallel-size 8 \
  --trust-remote-code \
  --max_model_len 8192 \
  --dtype bfloat16

# الخطوة 7: اختبار الاستدلال باستخدام curl (في نافذة طرفية جديدة)
curl -X POST http://localhost:8000/generate \
  -H "Content-Type: application/json" \
  -d '{"prompt": "اشرح الحوسبة الكمية بعبارات بسيطة.", "max_tokens": 100}'

# الخطوة 8: (اختياري) مثال استدلال بايثون
python3 -c "
import requests
response = requests.post('http://localhost:8000/generate', json={
    'prompt': 'اشرح الحوسبة الكمية بعبارات بسيطة.',
    'max_tokens': 100
})
print(response.json())
"

متطلبات ذاكرة GPU:

• الحد الأدنى: 640 جيجابايت VRAM
• الموصى به: 1,128 جيجابايت VRAM (إعداد 8 × H200 SXM 141 جيجابايت) للحصول على أداء مثالي

ربط MiniMax M1 على منصات الطرف الثالث

• Hugging Face: استخدم MiniMax M1 في Spaces، أو pipelines، أو مع مكتبة Transformers عبر نقاط نهاية Novita AI.

• أطر عمل الوكلاء والتنسيق: قم بتوصيل Novita AI بسهولة مع منصات شريكة مثل Continue، AnythingLLM، LangChain، Dify و Langflow من خلال الموصلات الرسمية وأدلة التكامل خطوة بخطوة.
• API متوافقة مع OpenAI: استمتع بالهجرة والتكامل السلس مع أدوات مثل Cline و Cursor، المصممة وفقًا لمعيار OpenAI API.

قامت Novita AI بالتكامل مع أكثر من 20 منصة، ويمكن العثور على دروس مفصلة في الوثائق.

MiniMax M1 هو نموذج استدلال هجين الانتباه واسع النطاق رائد يتفوق في معالجة أطوال السياقات الطويلة جدًا ومهام الاستدلال المعقدة. يتميز بهندسة MoE هجينة مقترنة بآلية Lightning Attention، مما يتيح استدلالًا فعالًا وقابلًا للتوسع. يمكنك استخدام MiniMax M1 عبر API أو ربطه على منصات الطرف الثالث.

لفترة محدودة، يمكن للمستخدمين الجدد الحصول على رصيد مجاني بقيمة 10 دولارات لاستكشاف وبناء تطبيقات باستخدام واجهة LLM API على Novita AI.

الأسئلة المتكررة

كيفية استخدام MiniMax AI مجانًا؟

يمكنك تجربة MiniMax AI demo مجانًا على Novita AI. يمكن للمستخدمين الجدد الحصول على رصيد مجاني بقيمة 10 دولارات لاستكشاف وبناء تطبيقات باستخدام واجهة LLM API على Novita AI.

ما هي الأجهزة اللازمة لتشغيل MiniMax M1 محلياً؟

الحد الأدنى: 640 جيجابايت VRAM
الموصى به: 1,128 جيجابايت VRAM (إعداد 8 × H200 SXM 141 جيجابايت) للحصول على أداء مثالي

هل MiniMax M1 مفتوح المصدر؟

نعم، MiniMax M1 مفتوح المصدر بالكامل ومتاح على منصات مثل Hugging Face.

حول Novita AI

Novita AI هي منصة سحابية للذكاء الاصطناعي تقدم للمطورين طريقة سهلة لنشر نماذج الذكاء الاصطناعي باستخدام واجهة API البسيطة لدينا، مع توفير GPU سحابي ميسور التكلفة وموثوق للبناء والتوسع.