MiniMax M2 এআই মডেল গুগল ডিপমাইন্ডকে ছাড়িয়ে গেছে

ওপেন-ওয়েট মডেলের জগতে নতুন শীর্ষস্থানীয়

চীনের দ্রুত উত্থানশীল এআই স্টার্টআপ MiniMax, যার পেছনে রয়েছে দেশটির বড় বিনিয়োগকারীদের সমর্থন, তাদের M2 বৃহৎ ভাষা মডেল প্রকাশ করেছে। এতে ওপেন-ওয়েট সিস্টেমের বৈশ্বিক এআই র‍্যাঙ্কিংয়ে মডেলটি শীর্ষ সারিতে উঠে এসেছে। স্বাধীন মূল্যায়নে Artificial Analysis Intelligence Index-এ MiniMax M2-কে সবচেয়ে সক্ষম ওপেন-ওয়েট মডেল হিসেবে স্থান দেওয়া হয়েছে। এর পারফরম্যান্স Google DeepMind-এর Gemini 2.5 Pro-কে ছাড়িয়ে গেছে এবং যুক্তরাষ্ট্রের শীর্ষস্থানীয় মালিকানাধীন সিস্টেমগুলোর কাছাকাছি পৌঁছেছে। কোড তৈরি এবং এজেন্টের মাধ্যমে বিভিন্ন টুল ব্যবহারের মতো বর্তমানে জনপ্রিয় দুটি কাজের জন্য MiniMax M2 তৈরি করেছে। এরপর সক্ষমতা বিসর্জন না দিয়েই খরচ কমাতে আগ্রহী ডেভেলপার ও প্রতিষ্ঠানের কাছে আকর্ষণীয় করতে মডেলটির মূল্য নির্ধারণ ও প্রকৌশলগত নকশা করা হয়েছে, যাতে এটি দ্রুত কাজ করে।

প্রযুক্তিগত দিক থেকে এর মূল বৈশিষ্ট্য হলো দক্ষতা। MiniMax M2-তে Mixture of Experts নকশা ব্যবহার করা হয়েছে, যা প্রতিটি ইনপুটকে মডেলের নির্দিষ্ট কিছু নিউরনের কাছে পাঠায়। ফলে একসময়ে প্রায় ১০ বিলিয়ন প্যারামিটার সক্রিয় থাকে, যদিও মডেলটির মোট সক্ষমতা এর চেয়ে অনেক বেশি। এতে যুক্তি করার ক্ষমতা অক্ষুণ্ণ রেখে ল্যাটেন্সি ও GPU মেমরির চাহিদা কমে। MiniMax-এর API-তে প্রতি ১০ লাখ ইনপুট টোকেনের দাম ০.৩০ ডলার এবং প্রতি ১০ লাখ আউটপুট টোকেনের দাম ১.২০ ডলার। কোম্পানির নিজস্ব তুলনা অনুযায়ী, এই দাম Anthropic-এর Claude 3.5 Sonnet-এর প্রায় ৮ শতাংশ। দলটি প্রতি সেকেন্ডে প্রায় ১০০ টোকেন ইনফারেন্স গতির কথাও জানিয়েছে। মডেলের সম্পূর্ণ ওয়েট একটি উদার লাইসেন্সের আওতায় পাওয়া যায় এবং নিজস্ব সার্ভারে চালানোর জন্য ডাউনলোড করা যায়। ফলে দলগুলো নিজেদের প্রয়োজন অনুযায়ী M2-কে ফাইন-টিউন করে অভ্যন্তরীণভাবে চালাতে পারে।

চীনের ওপেন-ওয়েট মডেলের ক্ষেত্রটি সারা বছরই সরগরম ছিল। DeepSeek, Alibaba-এর Qwen, Moonshot AI-সহ অন্যরা দীর্ঘ কনটেক্সট এবং যুক্তির ক্ষেত্রে অগ্রগতি এনেছে। এই দৌড়ে MiniMax-এর সামনে উঠে আসা গুরুত্বপূর্ণ, কারণ M2 এমন সব ক্ষেত্রে কাজে লাগতে পারে যেখানে ব্যবসাপ্রতিষ্ঠানগুলো বাস্তবে অর্থ ব্যয় করছে: ওয়েব ব্রাউজ, অভ্যন্তরীণ তথ্য খোঁজা, কোড চালানো এবং ফলাফল নিজে যাচাই করতে পারে—এমন টুল-ব্যবহারকারী এজেন্টের মাধ্যমে গ্রাহকসেবা, গবেষণা ও উন্নয়ন স্বয়ংক্রিয় করা। সক্ষমতা, কম খরচ ও স্বচ্ছ লাইসেন্সিংয়ের এই সমন্বয়ই M2-কে ওপেন-ওয়েট এআইয়ের নতুন মানদণ্ডে পরিণত করেছে।

পারফরম্যান্স কতটা শক্তিশালী

Artificial Analysis গণিত, বিজ্ঞান, নির্দেশনা অনুসরণ, কোডিং এবং এজেন্ট ওয়ার্কফ্লোর কঠিন বেঞ্চমার্কগুলো একত্র করে একটি Intelligence Index তৈরি করে। এর সর্বশেষ সংস্করণে MiniMax M2-এর স্কোর ৬১। এতে এটি সবচেয়ে শক্তিশালী ওপেন-ওয়েট মডেল এবং সামগ্রিকভাবে শীর্ষ মডেলগুলোর একটি হিসেবে স্থান পেয়েছে। এটি Gemini 2.5 Pro-কে ছাড়িয়ে গেছে এবং এজেন্ট ও কোডিংয়ের বেশ কয়েকটি কাজে Anthropic-এর Claude Sonnet 4.5-এর কাছাকাছি রয়েছে। তবে GPT 5 এবং xAI-এর Grok-এর মতো একেবারে নতুন ফ্রন্টিয়ার শ্রেণির সিস্টেমগুলোর চেয়ে এখনো পিছিয়ে। অনেক ডেভেলপারের কাছে এটি সুবিধাজনক অবস্থান, কারণ এতে ফ্রন্টিয়ার পর্যায়ের খরচ বা কোনো একটি সেবাদাতার ওপর নির্ভরশীলতা ছাড়াই প্রায় সমমানের সক্ষমতা পাওয়া যায়।

ফ্রন্টিয়ার পর্যায়ের কাছাকাছি এজেন্টের কাজ

এজেন্টধর্মী মূল্যায়নে দেখা হয়, কোনো মডেল একাধিক ধাপের কাজে পরিকল্পনা করতে, টুল ব্যবহার করতে, ফলাফল পড়তে, পরিস্থিতি অনুযায়ী পদক্ষেপ বদলাতে এবং শেষ ফল যাচাই করতে পারে কি না। এই ক্ষেত্রে M2 বিশেষভাবে ভালো পারফর্ম করে। MiniMax জানিয়েছে, এজেন্টভিত্তিক বিভিন্ন পরীক্ষায় মডেলটি ভালো স্কোর করেছে; এর মধ্যে tau squared Bench-এ ৭৭.২, BrowseComp-এ ৪৪.০ এবং FinSearchComp global-এ ৬৫.৫। এসব পরীক্ষায় ওয়েব ব্রাউজ ও সূত্র উল্লেখ, আর্থিক তথ্য খোঁজা এবং কোনো ধাপ ব্যর্থ হলে পরিকল্পনা ও পুনরুদ্ধারের সক্ষমতা যাচাই করা হয়। বাস্তবে এর অর্থ হলো, M2-চালিত এজেন্ট একটি পরিকল্পনা তৈরি করতে, শেল কমান্ড চালাতে, সূত্র খুঁজে পড়তে, কোড পরীক্ষা করতে ইন্টারপ্রেটার ব্যবহার করতে, ভুল সংশোধন করতে এবং বারবার মানুষের নির্দেশনা ছাড়াই যাচাইযোগ্য প্রমাণসহ ফল তুলে ধরতে পারে।

কোডিং ও যুক্তির বেঞ্চমার্ক

একাধিক ফাইল সম্পাদনা, কম্পাইল, পরীক্ষা এবং ধাপে ধাপে কোড মেরামত করার মতো ডেভেলপারদের শুরু থেকে শেষ পর্যন্ত কাজের জন্য MiniMax M2 তৈরি করেছে। SWE Bench-ধরনের কাজ এবং Terminal Bench-এ বিভিন্ন ভাষার বাস্তব কোড রিপোজিটরি ও কমান্ড-লাইন পরিবেশে মডেলটি দক্ষতা দেখিয়েছে। Artificial Analysis-এর সমন্বিত মূল্যায়নে GPQA Diamond এবং AIME-এর মতো জ্ঞান ও যুক্তির পরীক্ষাও বিবেচনায় নেওয়া হয়। এই মূল্যায়ন থেকে বোঝা যায়, M2-এর কোডিং দক্ষতার জন্য তার সাধারণ বুদ্ধিমত্তা বিসর্জন দিতে হয়নি। সফটওয়্যার-সংক্রান্ত কাজ এবং গবেষণা—দুই ক্ষেত্রেই সহায়তা করতে পারে এমন অ্যাসিস্ট্যান্ট চায় যেসব প্রতিষ্ঠান, তাদের কাছে এই ক্ষেত্রগুলোতে ধারাবাহিক পারফরম্যান্সই মডেলটির বড় আকর্ষণ।

স্থাপত্য এক নজরে

M2 একটি sparse Mixture of Experts মডেল। বিশাল নেটওয়ার্কের প্রতিটি অংশের মধ্য দিয়ে প্রতিটি টোকেন না পাঠিয়ে, শেখানো একটি গেট প্রতিটি ইনপুটের জন্য সক্রিয় করতে মাত্র কয়েকটি বিশেষায়িত সাব-নেটওয়ার্ক বেছে নেয়। MiniMax-এর নথিতে প্রায় ২৩০ বিলিয়ন মোট প্যারামিটার এবং প্রতিবার ইনফারেন্সে ১০ বিলিয়ন সক্রিয় প্যারামিটারসহ একটি মডেলের বর্ণনা রয়েছে। প্রাথমিক প্রতিবেদনে মোট প্যারামিটারের সংখ্যা ২০০ বিলিয়ন বলা হয়েছিল। তবে কোম্পানির প্রযুক্তিগত পেজ ও মডেল কার্ডে একই ১০ বিলিয়ন সক্রিয় প্যারামিটারের সীমা বজায় রেখে বেশি মোট সক্ষমতার ব্যাখ্যা দেওয়া হয়েছে। এর সুবিধা স্পষ্ট: অনেক বড় মডেলের বিস্তৃত জ্ঞান ও বিশেষায়ন পাওয়া যায়, অথচ ইনফারেন্সের খরচ ১০ বিলিয়ন প্যারামিটারের একটি dense সিস্টেমের কাছাকাছি থাকে।

হার্ডওয়্যারের চাহিদাতেও এই দক্ষতার প্রতিফলন দেখা যায়। MiniMax এবং তৃতীয় পক্ষের পরীক্ষকেরা জানিয়েছেন, FP8 precision-এ মাত্র চারটি NVIDIA H100 GPU দিয়েও বাস্তবে মডেলটি চালানো সম্ভব। ফলে মাঝারি আকারের প্রকৌশল দলেরও M2 ব্যবহারের সুযোগ রয়েছে। তুলনায়, কয়েকটি প্রতিদ্বন্দ্বী মডেলে অনেক বেশি প্যারামিটার সক্রিয় থাকে। DeepSeek-এর সাম্প্রতিক V3.2 প্রতি টোকেনে প্রায় ৩৭ বিলিয়ন প্যারামিটার সক্রিয় করে এবং Moonshot AI-এর Kimi K2 ব্যবহার করে প্রায় ৩২ বিলিয়ন। এতে মেমরির চাহিদা বাড়ে এবং থ্রুপুট কমে। M2-এর কম সক্রিয় প্যারামিটার টেইল ল্যাটেন্সি ও একসঙ্গে একাধিক অনুরোধ সামলানোর ক্ষমতাতেও সহায়তা করে। ইন্টারঅ্যাকটিভ টুল ও এজেন্ট চালানোর ক্ষেত্রে এ দুটিই পরিচালনাগত বড় চ্যালেঞ্জ।

এজেন্টভিত্তিক নকশা ও টুলের ব্যবহার

MiniMax M2-কে এমনভাবে তৈরি করেছে, যাতে এটি ধাপে ধাপে চিন্তা করতে, কাজ করতে এবং ফল যাচাই করতে পারে। শেল, ব্রাউজার, তথ্য খোঁজার সিস্টেম ও কোড রানারের সঙ্গে মডেলটিকে যুক্ত করার জন্য টুল কলিং গাইডও প্রকাশ করেছে কোম্পানিটি। দৃশ্যমান যুক্তির ধারা দেখাতে এতে interleaved thinking ফরম্যাটের ওপর জোর দেওয়া হয়েছে। একাধিক ধাপের কথোপকথনে অ্যাসিস্ট্যান্ট তার পরিকল্পনার প্রেক্ষাপট ও প্রমাণের সূত্র অক্ষুণ্ণ রাখে। এতে অসম্পূর্ণ তথ্য বা ব্যর্থ ধাপ থেকে ঘুরে দাঁড়াতে সুবিধা হয়, পাশাপাশি ডেভেলপাররা সিদ্ধান্তগুলো নিরীক্ষা করতে পারেন। দীর্ঘ সময় ধরে চলা কাজকে আরও নির্ভরযোগ্য ও ত্রুটি শনাক্তের উপযোগী করতেই এই পদ্ধতির নকশা করা হয়েছে।

MiniMax বাস্তব ডেভেলপার পরিবেশের সঙ্গেও M2-কে ঘনিষ্ঠভাবে সামঞ্জস্যপূর্ণ করেছে। জনপ্রিয় SGLang ও vLLM ইনফারেন্স ফ্রেমওয়ার্কে মডেলটি ভালোভাবে চলে এবং OpenAI ও Anthropic-এর পরিচিত রিকোয়েস্ট ফরম্যাট অনুসরণ করে। ফলে দলগুলো কোডে সামান্য পরিবর্তন করেই M2 ব্যবহার শুরু করতে পারে এবং প্রয়োজনমতো সেবার পরিসর বাড়াতে পারে। অভ্যন্তরীণ কপাইলট বা উৎপাদন পর্যায়ে ব্যবহারের উপযোগী এজেন্ট তৈরি করতে যাদের আগ্রহ, তাদের জন্য সহজে সংযুক্ত করার সুবিধাটি গুরুত্বপূর্ণ।

এই সেবা চালুর কথা বলতে গিয়ে MiniMax তাদের লক্ষ্য ও সবার জন্য ব্যবহারের সুযোগের বিষয়টি সামনে এনেছে। কোম্পানিটি বলেছে, তারা চায় উন্নত বুদ্ধিমত্তার সুবিধা যেন ব্যাপকসংখ্যক ব্যবহারকারীর কাছে পৌঁছায়, শুধু যারা দামি মালিকানাধীন মডেলের খরচ বহন করতে পারেন তাদের কাছে নয়।

শুরু থেকেই MiniMax 'সবার সঙ্গে বুদ্ধিমত্তা'র স্বপ্ন বাস্তবায়নে কাজ করে আসছে।

প্রকাশ্য মডেল কার্ডে দলটি এজেন্ট ও দক্ষতার ওপর তাদের গুরুত্বের কথা তুলে ধরেছে।

MiniMax-M2 এজেন্টের দক্ষতার সংজ্ঞা নতুন করে দিচ্ছে।

MiniMax M2-চালিত একটি এজেন্ট সেবা পরিচালনা করে, যেখানে দুটি মোড রয়েছে। Lightning Mode সাধারণ প্রশ্নে তাৎক্ষণিক উত্তর দেয়। Pro Mode গবেষণা, তথ্য সংগ্রহ বা একাধিক ধাপে কোডিংয়ের মতো জটিল ও দীর্ঘ সময়ের কাজ সামলায়। এই বিভাজন দলগুলোর কাজের বাস্তব ধরনকে প্রতিফলিত করে: কখনো দ্রুত উত্তর, আবার কখনো দীর্ঘমেয়াদি প্রকল্প, যেখানে মডেলকে শুরু থেকে শেষ পর্যন্ত পরিকল্পনা, কাজ সম্পাদন এবং ফল যাচাই করতে হয়।

ব্যবহারের সুযোগ, লাইসেন্স ও মূল্য

এতটা সক্ষম একটি সিস্টেমের জন্য M2-এর প্রাপ্যতা ব্যতিক্রমীভাবে উন্মুক্ত। MiniMax উদার লাইসেন্সের আওতায় সম্পূর্ণ ওয়েট প্রকাশ করেছে এবং মডেল চালানোর নির্দেশিকাও দিয়েছে। ডেভেলপাররা Hugging Face-এর মতো প্ল্যাটফর্ম থেকে রিপোজিটরি ডাউনলোড করে SGLang বা vLLM দিয়ে স্থানীয়ভাবে ইনফারেন্স চালাতে এবং নির্দিষ্ট ক্ষেত্রের জন্য ফাইন-টিউন করতে পারেন। MiniMax প্রতি টোকেনে খুব কম মূল্যের API এবং দ্রুত স্ট্রিমিং থ্রুপুটও দিচ্ছে। পাশাপাশি, কোম্পানিটি তাদের Agent অ্যাপ ও API—দুটিরই সীমিত সময়ের বিনা মূল্যের ব্যবহারের সুযোগ দিয়েছে।

ক্রেতাদের জন্য গুরুত্বপূর্ণ ব্যবহারিক সুবিধার মধ্যে রয়েছে কাঠামোবদ্ধ ফাংশন কলিং, দীর্ঘ কনটেক্সট প্রক্রিয়াকরণ এবং নির্ভরযোগ্য টুল ব্যবহার। MiniMax প্রচলিত স্যাম্পলিং সেটিংসের পরামর্শ দিয়েছে এবং মডেলকে বাইরের সেবার সঙ্গে যুক্ত করার জন্য স্পষ্ট টুল-কলিং স্কিমা দিয়েছে। সেবা-দাতার ওপর নির্ভরশীলতা নিয়ে উদ্বিগ্ন দলগুলোর জন্য ওপেন ওয়েট ও পরিচ্ছন্ন API সামঞ্জস্যের সমন্বয় M2 যাচাই করে দেখার জোরালো কারণ। যারা পুরোপুরি নিজস্ব প্রতিষ্ঠানের সার্ভারে মডেল চালাতে চায়, তাদের জন্য কোম্পানির নথিতে M2 দক্ষতার সঙ্গে চালানোর পদ্ধতি এবং বিভিন্ন precision সেটিংয়ে GPU মেমরি নির্ধারণের নির্দেশনা রয়েছে।

• নিজস্ব সার্ভারে চালানোর জন্য ওয়েট প্রকাশ করা হয়েছে, সঙ্গে রয়েছে SGLang ও vLLM ব্যবহারের নির্দেশিকা।
• প্রতি ১০ লাখ ইনপুট টোকেনের API মূল্য ০.৩০ ডলার এবং প্রতি ১০ লাখ আউটপুট টোকেনের মূল্য ১.২০ ডলার; ঘোষিত গতি প্রতি সেকেন্ডে প্রায় ১০০ টোকেন।
• শেল, ব্রাউজার, তথ্য খোঁজার ব্যবস্থা ও কোড ইন্টারপ্রেটারের মাধ্যমে টুল ব্যবহার করা যায়; নিরীক্ষা ও ত্রুটি শনাক্তে সহায়তার জন্য যুক্তির ধারা দৃশ্যমান থাকে।
• OpenAI ও Anthropic-এর ধাঁচের API-র সঙ্গে সামঞ্জস্য থাকায় বিদ্যমান অ্যাপে সংযুক্ত করার কাজ কমে।

এই বৈশিষ্ট্যগুলো M2-কে সফটওয়্যার প্রকৌশল কপাইলট, তথ্য বিশ্লেষণ অ্যাসিস্ট্যান্ট এবং যুক্তি ও নির্ভরযোগ্যভাবে টুল ব্যবহারের সমন্বয় দরকার এমন গ্রাহকসেবা এজেন্টের জন্য আকর্ষণীয় করে তুলেছে।

প্রতিদ্বন্দ্বী ও বদলে যাওয়া লিডারবোর্ড

MiniMax M2-এর উত্থানে ওপেন-ওয়েট মডেলের লিডারবোর্ড নতুন করে সাজছে এবং চীন ও যুক্তরাষ্ট্রে প্রতিযোগিতা আরও তীব্র হচ্ছে। Artificial Analysis-এর Intelligence Index-এ ৬১ স্কোর নিয়ে M2-কে সবচেয়ে শক্তিশালী ওপেন-ওয়েট মডেল হিসেবে স্থান দেওয়া হয়েছে। এটি Google-এর Gemini 2.5 Pro-কে ছাড়িয়ে গেছে এবং কাজের ধরনভেদে Claude Sonnet 4.5, GPT 5 ও Grok 4-এর মতো মালিকানাধীন শীর্ষ মডেলগুলোর ঠিক পরেই রয়েছে। BrowseComp ও FinSearchComp global-এর মতো এজেন্ট মূল্যায়নে এই অবস্থান বিশেষভাবে উল্লেখযোগ্য। সেখানে পরিকল্পনা করা, প্রমাণ উল্লেখ করা এবং ভুল থেকে ঘুরে দাঁড়ানোর সক্ষমতায় M2 বন্ধ সিস্টেমগুলোর সঙ্গে ব্যবধান অনেকটাই কমিয়েছে।

চীনের অভ্যন্তরীণ প্রতিযোগিতার চিত্রও বদলাচ্ছে। কয়েক মাস ধরে DeepSeek ও Qwen ফ্রন্টিয়ার-স্কেলের প্রশিক্ষণ এবং দীর্ঘ কনটেক্সটের জন্য শিরোনামে ছিল। এখন কম সংখ্যক সক্রিয় প্যারামিটার ব্যবহার করে কম খরচে কাছাকাছি মানের এজেন্ট ও কোডিং পারফরম্যান্স দেওয়ায় MiniMax-ও নজর কাড়ছে। DeepSeek বিপুলসংখ্যক মোট প্যারামিটার নিয়ে পরীক্ষা করেছে, যার ফলে কিছু ব্যবস্থায় মেমরির চাহিদা প্রায় ৭০০ গিগাবাইট পর্যন্ত পৌঁছাতে পারে। MiniMax-এর sparse activation এবং সতর্কভাবে তৈরি সেবা চালানোর পদ্ধতিতে চাহিদা কম থাকে। বিশেষত FP8 ও অপ্টিমাইজ করা ইনফারেন্স ফ্রেমওয়ার্ক ব্যবহার করলে মাঝারি আকারের অনেক দলের সাধ্যের মধ্যে থাকা একটি ক্লাস্টারেই এটি চালানো সম্ভব।

দামও গুরুত্বপূর্ণ। MiniMax-এর টোকেনের মূল্য বড় মালিকানাধীন প্রতিদ্বন্দ্বীদের তুলনায় প্রায় এক দশমাংশ। শত শত এজেন্ট চালাতে বা বহু ডেভেলপারের জন্য সারা দিন কোডিং সহায়ক টুল চালু রাখতে চাওয়া প্রতিষ্ঠানের ক্ষেত্রে এই দামের কারণে পরীক্ষামূলক ব্যবহার থেকে উৎপাদন পর্যায়ে যাওয়া সহজ হতে পারে। ওপেন ওয়েট প্রকাশ করাও আরেকটি সুবিধা, কারণ এতে নিরাপত্তা-সংবেদনশীল প্রতিষ্ঠানগুলো মডেল নিরীক্ষা, ফাইন-টিউন এবং নিজেদের পরিবেশে চালাতে পারে। ব্যবহারের সুযোগ, খরচ ও সক্ষমতার এই সমন্বয় প্রিমিয়াম মূল্যনির্ভর মালিকানাধীন প্ল্যাটফর্মগুলোর জন্য সরাসরি চ্যালেঞ্জ।

ক্রেতাদের জন্য সতর্কতা

বেঞ্চমার্ক কাজে লাগে, তবে এগুলো কোনো নিশ্চয়তা নয়। Artificial Analysis নিয়ন্ত্রিত পরীক্ষার কাঠামো ও নির্দিষ্ট প্রম্পট দিয়ে মডেল মূল্যায়ন করে, যা কোনো প্রতিষ্ঠানের নিজস্ব ক্ষেত্র বা টুলের সঙ্গে পুরোপুরি নাও মিলতে পারে। M2 গ্রহণের আগে দলগুলোর উচিত নিজেদের কাজের উপযোগী নমুনা দিয়ে পরীক্ষা চালানো এবং বাস্তবে ব্যবহারের পরিকল্পনা করা টুলগুলো দিয়ে ল্যাটেন্সি, থ্রুপুট ও এজেন্টের নির্ভরযোগ্যতা মাপা।

পরিচালনাগত কিছু বিষয়ও আগে থেকে পরিকল্পনা করা দরকার। দীর্ঘ কাজে পরিকল্পনা ও প্রমাণের ধারাবাহিকতা বজায় রাখতে MiniMax একাধিক ধাপের কথোপকথনে মডেলের interleaved thinking-এর ধারা অক্ষুণ্ণ রাখার পরামর্শ দিয়েছে। এর ফলে উত্তর দীর্ঘ হতে পারে এবং কথোপকথনের ইতিহাস বড় হয়ে যায়। তাই ডেভেলপারদের কনটেক্সট উইন্ডো সতর্কভাবে পরিচালনা করা এবং সম্ভব হলে পুরোনো তথ্য ছাঁটাই বা সংক্ষেপ করা উচিত। সর্বোচ্চ থ্রুপুট পেতে চাওয়া প্রতিষ্ঠানগুলোর গতি, খরচ ও নির্ভুলতার ভারসাম্য রাখতে কোয়ান্টাইজেশন সেটিং এবং ব্যাচিং কৌশলও পরীক্ষা করা উচিত।

সবশেষে, M2 একটি ওপেন-ওয়েট সিস্টেম, যা প্রতিষ্ঠানগুলো নিজেদের মতো পরিবর্তন করতে পারে। এতে নিরাপত্তা ও নিয়ম মেনে চলার দায়িত্বও বাড়ে। বাইরের রিসোর্স বা সংবেদনশীল তথ্যে প্রবেশ করতে পারে এমন যেকোনো স্থাপনার ক্ষেত্রে দলগুলোর উচিত পর্যবেক্ষণ ব্যবস্থা, টুল কলের ওপর নিরাপত্তা নিয়ন্ত্রণ এবং প্রবেশাধিকার নিয়ন্ত্রণ যুক্ত করা। এজেন্ট সিস্টেমে এগুলো সাধারণ সতর্কতার বিষয়, আর এখানেও একই শৃঙ্খলা প্রয়োজন।

এক নজরে

• Artificial Analysis Intelligence Index-এ MiniMax M2 শীর্ষস্থানীয় ওপেন-ওয়েট মডেল এবং সামগ্রিকভাবেও বিশ্বসেরা মডেলগুলোর একটি।
• সামগ্রিক বুদ্ধিমত্তার মূল্যায়নে এটি Google-এর Gemini 2.5 Pro-কে ছাড়িয়ে গেছে, তবে কিছু কাজে GPT 5 ও Claude Sonnet 4.5-এর মতো ফ্রন্টিয়ার পর্যায়ের মালিকানাধীন সিস্টেমের চেয়ে পিছিয়ে।
• M2 একটি Mixture of Experts মডেল, যার মোট প্যারামিটার প্রায় ২৩০ বিলিয়ন; কম ল্যাটেন্সি ও খরচের জন্য প্রতিবার ইনফারেন্সে ১০ বিলিয়ন প্যারামিটার সক্রিয় থাকে।
• এজেন্টের কাজে পারফরম্যান্স উল্লেখযোগ্য; tau squared Bench, BrowseComp এবং FinSearchComp global-এ ভালো ফল করেছে।
• SWE Bench-ধরনের কাজ ও Terminal Bench-এ কোডিংয়ের দক্ষতা যাচাই হয়েছে, যা ডেভেলপারদের শুরু থেকে শেষ পর্যন্ত কাজের উপযোগী।
• API-তে প্রতি ১০ লাখ ইনপুট টোকেনের দাম ০.৩০ ডলার এবং প্রতি ১০ লাখ আউটপুট টোকেনের দাম ১.২০ ডলার; গতি প্রতি সেকেন্ডে প্রায় ১০০ টোকেন।
• উদার লাইসেন্সের আওতায় নিজস্ব সার্ভারে চালানোর জন্য সম্পূর্ণ ওয়েট উন্মুক্ত; মডেলটি SGLang, vLLM ও প্রচলিত API ফরম্যাটের সঙ্গে সামঞ্জস্যপূর্ণ।
• FP8 precision-এ মাত্র চারটি NVIDIA H100 GPU দিয়েই মডেলটি চালানো যায়, যা মাঝারি আকারের দলের জন্য স্থাপন সহজ করে।
• প্রতিদ্বন্দ্বীদের তুলনায় M2, DeepSeek V3.2 ও Moonshot Kimi K2-এর চেয়ে কম প্যারামিটার সক্রিয় করে, ফলে দক্ষতা বাড়ে।
• প্রতিষ্ঠানগুলোর উচিত নিজেদের টুলচেইনে পারফরম্যান্স যাচাই করা এবং দীর্ঘ উত্তর, কনটেক্সট ব্যবস্থাপনা ও নিরাপত্তা নিয়ন্ত্রণের পরিকল্পনা করা।