سمّت MiniMax شركة Inferact شريكًا في إطلاق API الخاص بـ M3.1 Flash. لم يتغيّر النموذج — بل تغيّرت طبقة الخدمة.

في 21 أكتوبر 2026، بعد يومين من إتاحة MiniMax-M3.1-Flash للعموم، أشار حساب MiniMax على منصة X إلى Inferact بوصفها شريك إطلاق API لهذا النموذج، مشيدًا بخبرتها في vLLM وواصفًا التعاون بأنه بناء «البنية التحتية لخدمة أعباء عمل الوكلاء المعقدة». هذا هو الإعلان العام بأكمله: منشور واحد، بلا تدوينة، بلا تفاصيل تقنية. ومع ذلك، يجدر أخذ الأمر على محمل الجد، لأنه أول ما يقوله أي شخص علنًا عن الكيفية التي سيُقدَّم بها هذا النموذج فعليًا — وبالنسبة لنموذجٍ يدور ادعاؤه الرئيسي حول تسريع بمقدار ثلاثة أضعاف، فإن طبقة الخدمة ليست حاشية. إنها الادعاء نفسه.تُجمَع حالات فشل الذكاء الاصطناعي وحوادث الوكلاء الموثقة التي تقف وراء إصدارات مثل هذا الإصدار في أرشيف OrcaRouter لحوادث الذكاء الاصطناعي حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل خلاف.

ما لا يحتوي عليه منشور الإطلاق

نشرت MiniMax منشور إطلاق رسميًا لـ MiniMax-M3.1-Flash في 19 أكتوبر 2026: معايير قياس وكيلية، وخفض للتكلفة بنسبة 70%، واستدلال «أسرع بنحو ثلاث مرات». إنه عمل جوهري، ولا يحتوي على كلمة Inferact. ولا يحتوي على كلمة vLLM أيضًا. وأيًا كان مضمون الشراكة، فإن الشركة لم تعتبره جزءًا من قصة الإطلاق في اليوم الذي رُويت فيه قصة الإطلاق.

تلك الفجوة هي أكثر ما يحمل معلومات في الإعلان. فشريك إطلاق يُسمّى بعد يومين من الموعد، في منشور على شبكة اجتماعية، ودون أي مستند تقني مرفق، هو شريك لا يزال عمله قيد التنفيذ. فلو كان M​iniMax يشغّل M3.1-Flash على حزمة مُحسّنة من طرف ثالث عند الإتاحة العامة، لذكر ذلك في منشور الإطلاق — فتوفير الخدمة من اليوم الأول على محرك مُسمّى هو بالضبط نوع دليل الإثبات الذي يضعه المورّد في متن النص. لكن الادعاء يصل بدلًا من ذلك منفصلًا، ودون أرقام، وهذا يخبرك بأن التعاون يُعلَن عند النقطة التي يتحوّل فيها إلى التزام لا عند النقطة التي يتحوّل فيها إلى نتيجة.

ثمة فجوة ثانية أصغر. موقع Inferact نفسه، الذي جرى فحصه في 22 أكتوبر، يحمل شعار M​iniMax بين شركائه، وشهادة منسوبة إلى الدكتور Yan Junjie، مؤسس M​iniMax والرئيس التنفيذي لها. كما أنه لا يذكر MiniMax-M3.1-Flash في أي مكان. ودراسات الحالة لديه تتناول نماذج أخرى بالكامل. لذا أعلنت الشركتان عن شراكة لا يصفها موقع التسويق لأي من الشركتين بعد من حيث المنتج. اقرأ ذلك كدليل على الحداثة لا على الشك: فمنشور X عمره يومان، وصفحات الشركاء بطيئة.

ما هو Inferact، ولماذا تهم تفاصيل vLLM

تصف Inferact نفسها بأنها "الشركة التي أسسها مبتكرو vLLM والقائمون على صيانته". ويقود فريقها خارطة طريق vLLM بينما يظل المحرك نفسه مفتوح المصدر، بترخيص Apache 2.0، ويخضع لحوكمة المجتمع تحت مظلة PyTorch Foundation. وهذا البنية هي السبب في أن الشراكة أوضح من معظم إعلانات شركاء الإطلاق: فـ vLLM ليس صندوقًا أسود، لذا فإن أي تحسين تجريه Inferact لـ MiniMax-M3.1-Flash لديه فرصة معقولة للظهور في المحرك المفتوح الذي يشغّله الجميع.

تبيع الشركة شكلين للشيء نفسه. تُثبَّت Inferact Platform في سحابة العميل أو مركز بياناته — والصياغة الواردة في الموقع هي "Run inference on your compute" — مع طبقة تحكّم تغطي المراقبة، والتحقق من الإطلاق، وتتبّع التكاليف، والتوسّع التلقائي، وإدارة نقاط النهاية، وقياس الاستهلاك، والقابلية للملاحظة. أما Inferact Cloud فهي المنصة نفسها على وحدات GPU توفّرها Inferact: "Run inference on our compute." وهذا التمييز مهم لكل من يقرأ إعلان MiniMax كبيان توافر. فكون أحد الشركاء في إطلاق API على ذلك النموذج يمكن أن يعني نقاط نهاية مُدارة يديرها طرف آخر، أو يمكن أن يعني حزمة برمجية تُثبّت إلى جانب أوزانك الخاصة. وبالنسبة إلى نموذج مغلق، لا يكون ممكنًا إلا الاحتمال الأول، ما يضيّق نطاق ما يمكن أن تكون عليه هذه الشراكة.

لماذا يُعد هذا النموذج تحديدًا مشكلة في تقديم الخدمة قبل أن يكون مشكلة في التسعير

يمتلك MiniMax-M3.1-Flash بنيةً غير معتادة بالنسبة إلى نموذج رخيص، وهذه البنية هي ما يجعل مسألة تقديم الخدمة مسألةً محورية.

• التفكير مفعّل دائمًا — تُرجع وثائق API الخاصة بـ MiniMax رمز HTTP 400 لـ thinking: {"type": "disabled"} وترفض reasoning_effort: "none" بالطريقة نفسها، لذا فإن التحكم الوحيد هو سلّم من خمس درجات من low إلى max، وحذف الحقل يعني max

• لذلك فهو مقيّد بفك الترميز — سجّل Artificial Analysis استهلاك 180 مليون رمز إخراج خلال تشغيل Intelligence Index الخاص به، مقابل وسيط قدره 99 مليونًا للنماذج على المتتبع نفسه

• نافذة السياق هي 1,000,000 رمز، مما يجعل ذاكرة KV-cache هي القيد الحاسم على عدد جلسات الوكيل المتزامنة التي يمكن للعقدة استيعابها

• تعيد حلقات الوكيل استخدام بادئة كبيرة — إذ يتكرر الموجّه النظامي نفسه ومخطط الأدوات وسياق الملفات في كل خطوة — لذا يتحول التخزين المؤقت للبادئة مباشرةً إلى مكسب في زمن الاستجابة والتكلفة.

• تُقاس سرعة الإخراج عند {{1}}125.5{{/1}} رمزًا في الثانية، مع زمن {{2}}1.04{{/2}} ثانية للوصول إلى أول رمز، وهو سريع بالنسبة لفئته لكنه الرقم الذي يتآكل أولًا بفعل طابور من عمليات التوليد الطويلة المتزامنة

اجمع هذه معًا، فتحصل على ملف تعريف لعبء عمل يكافئ بالضبط الأشياء التي بُني vLLM من أجلها: الانتباه المُصفَّح (paged attention) بحيث لا يضطر سياق بمليون رمز إلى أن يكون متجاورًا، والتخزين المؤقت للبادئات (prefix caching) بحيث لا تعيد خطوات الوكيل تعبئة تعريفات الأدوات نفسها مسبقًا، والتجميع المستمر (continuous batching) بحيث تتشارك مئة مسار استدلال نصف مكتمل العتاد بدلًا من الاصطفاف خلف بعضها. إن ادعاء M​iniMax نفسه بتحقيق أكثر من 200 رمز في الثانية عند الذروة وأكثر من 170 عند الوسيط هو ادعاء جدولة بقدر ما هو ادعاء نواة. إن تسريع 3× في منشور الإطلاق ليس شيئًا ينتجه ضرب مصفوفات أفضل من تلقاء نفسه.

الأعداد الموجودة، وتلك التي لا توجد

تنشر Inferact أرقام الأداء، وهي جديرة بالقراءة بعناية لما ترتبط به. يعلن موقعها عن 464 رمزًا في الثانية بحجم دفعة 1 على Kimi-K3 يوم الإطلاق، و709 رموز في الثانية لكل مستخدم باستخدام أول megakernel لها على TPU، و18.3 مليون رمز لكل دولار على SemiAnalysis AgentX مع النموذج نفسه، وموقع الأول على Artificial Analysis في مايو 2026. كل واحد من هذه ادعاء حول هندسة Inferact على نموذج مختلف، نشرته Inferact، ولا يُعاد إنتاج أي منها هنا كحقيقة تخص MiniMax-M3.1-Flash.

ما لا وجود له، حتى 22 أكتوبر، هو أي رقم على الإطلاق لـ M3.1-Flash على منصة Inferact: لا رموز في الثانية، ولا زمن الوصول إلى أول رمز، ولا تكلفة لكل مليون، ولا منحنى تزامن. الإعلان التزام بلا قياس. هذا طبيعي بعد مرور يومين، وهو أيضاً السبب الوحيد للاهتمام — ستُحدَّد قيمة الشراكة بالنسبة للمشتري بالكامل بناءً على ما إذا كانت تلك الأرقام ستتفوق على ما تقدمه M​iniMax بنفسها، والآن لا أحد خارج الشركتين يعرف ما تقدمه M​iniMax بنفسها.

وهذا هو الوضع الصادق للأدلة. تأتي القياسات المستقلة الوحيدة للإنتاجية لهذا النموذج من Artificial Analysis، عند 125.5 رمزًا في الثانية، وهو رقم لتدفق واحد من أداة اختبار واحدة، وليس معيارًا لخدمة النموذج. وهو يخبرك بأن النموذج قادر على التوليد بسرعة. لكنه لا يخبرك بشيء عن عدد المستخدمين المتزامنين الذين يمكن شراؤهم بدولار واحد.

ما القيمة الفعلية لإعلان الشراكة

ليس بالكثير في حد ذاته، لكنه أكثر من لا شيء. ثلاثة أشياء تجعله أكثر من لا شيء.

الأمر الأول هو أنه يمثل مُنفِّذًا ثانيًا. فالنموذج الذي تقدّمه شركة واحدة فقط هو نموذج له رأي تشغيلي واحد فقط، وعندما يمرّ ذلك الرأي بأسبوع سيئ يمرّ منتجك بأسبوع سيئ. أما وجود شريك معلن بالاسم فيعني أن فريقًا ثانيًا قد قرأ البنية المعمارية، وحدّد النوى البرمجية المهمة، وتعهّد علنًا بما يكفي ليكون الإخفاق في التسليم محرجًا. هذه إشارة ضعيفة، لكنها حقيقية، وهي المنطق نفسه الذي يجعل وجود منطقة سحابية ثانية يستحق ما يُدفع مقابله.

الثاني هو تأطير عبء عمل الوكيل. لم تصف MiniMax الشراكة بأنها "استدلال أسرع". بل وصفتها بأنها بنية تحتية للخدمة من أجل "أعباء عمل وكلاء معقدة"، وهي مشكلة محددة وأصعب من إنتاجية الدردشة: جلسات طويلة العمر، واستدعاءات أدوات متداخلة مع التوليد، وبادئات يجب أن تظل صالحة عبر الخطوات، وتكلفة تتزايد مع طول المسار بدلاً من عدد المطالبات. الشريك المختار لتلك المشكلة هو شريك مختار لعبء العمل الذي تسوّق MiniMax النموذج ضده. أما ما إذا كان الاختيار صائبًا فليس قابلاً للاختبار بعد.

الثالث هو أنه يؤرخ القصة التشغيلية. لقد أصبح MiniMax-M3.1-Flash متاحًا على نطاق واسع منذ ثلاثة أيام. لم تُنشر الأوزان — وتقول الشركة إنها «ستُصدر لاحقًا» دون تحديد موعد — لذا لا توجد نافذة للاستضافة الذاتية ولا طريقة لأي طرف مستقل لاختبار أداء النموذج على عتاده الخاص. كل ما يتعلق بأداء هذا النموذج في بيئة الإنتاج هو، في الوقت الحالي، بوساطة من يقدم خدمة تشغيله. شريك الإطلاق هو أول عنصر في قائمة ستكون مطلوبة.

ماذا يعني هذا إذا كنت تختار أين تشغّله

MiniMax-M3.1-Flash ليس في كتالوج OrcaRouter. وهو قابل للاستدعاء اليوم عبر واجهة برمجة التطبيقات الخاصة بـ MiniMax، وخطة M Plan وMiniMax Code، ووفقًا لإعلان 21 أكتوبر، عبر Inferact. هذه هي القائمة الكاملة التي يمكننا ضمانها، ولا شيء منها يعد موجّهًا: فكل واحد من هذه الخيارات هو مكان واحد للحصول على النموذج، بحدود معدل خاصة به، وتوافر خاص به، ودون خيار ثانٍ احتياطي إذا تعطّل.

مشكلة المزوّد الواحد هذه هي ما وُجد الموجّه من أجله، وهي السبب في أن السؤال المثير للاهتمام هنا ليس «أي شريك» بل «كم عددهم». وتضع OrcaRouter أكثر من 200 نموذج خلف مفتاح API واحد، وتمرّر أسعار قوائم المزوّدين كما هي بهامش ربح 0%، ويمكنها إبقاء خيار احتياطي في جدول التوجيه بحيث لا يتحول طلب إلى نموذج له نقطة نهاية واحدة إلى انقطاع عندما تمرّ نقطة النهاية تلك بلحظة سيئة. إن لغة التوجيه DSL هي حيث يُعبَّر عن ذلك: يمكن لخطوة وكيل تحتاج إلى MiniMax-M3.1-Flash أن تسمّيه أولاً ثم تنتقل احتياطياً إلى نموذج تثق به بالفعل، دون أن يعرف كود الاستدعاء أن عملية استبدال قد حدثت.

ما يمكن توجيهه في كتالوجنا اليوم هو بقية عائلة MiniMax — MiniMax-M3 من بين نماذج أخرى — وهو أيضًا النموذج الذي ينبغي المقارنة به من حيث التكلفة. بطاقة أسعار MiniMax-M3.1-Flash تساوي تمامًا نصف أسعار MiniMax-M3، أي 0.15 دولار و0.60 دولار لكل مليون رمز إدخال وإخراج مقابل 0.30 دولار و1.20 دولار، وتضع Artificial Analysis النموذج الأحدث عند 0.22 دولار لكل مهمة معيارية مقابل 0.51 دولار. بالنسبة لحركة المرور الوكيلة فإن هذه الفجوة حقيقية. وبالنسبة لمهمة عالية الحجم من استدعاءات التصنيف القصيرة، يمكن أن يظل النموذج الأقدم مع إيقاف التفكير أرخص، لأن M3.1-Flash لا يمكنه إيقاف التفكير على الإطلاق.

الخلاصة القابلة للدفاع عنها ضيقة. إن تسمية M​iniMax لـ Inferact شريكًا في إطلاق الـAPI هي تصريح عمّن سيشغّل MiniMax-M3.1-Flash، صدر بعد يومين من طرح النموذج، من شركة لم ترَ ضرورة لوضعه في منشور الإطلاق. وهو دليل على أن طبقة الخدمة لهذا النموذج تُعاد بناؤها بنشاط بدلًا من أن تُورَّث، وهو ما قد تتوقعه لنموذج تكون قيمته الأساسية كلها قائمة على الإنتاجية. لكنه ليس دليلًا على الإنتاجية. لذلك انتظر أول أرقام Inferact عن هذا النموذج تحديدًا — وفي هذه الأثناء شغّله في مكان يتوفر فيه بديل احتياطي خلفه، لأن نموذجًا له نقطة نهاية واحدة ولا أوزان قابلة للتنزيل هو نموذج لا يمكنك توجيه الطلبات بعيدًا عنه.