иматрично-калиброванные квантования GGUF MiniMaxAI/MiniMax-M2.7 — первая модель в линейке MiniMax, участвующая в собственной эволюции обучения. M2.7 соответствует или превосходит GPT-5.3-Codex на SWE-Pro (56,22%), соперники Opus 4.6 на VIBE-Pro (55,6%) и превосходит Claude Sonnet 4.6 на агентных бенчмарках — только 10B активных параметров на токен из 229B всего. — Иматрица откалибрована — все под-Q8 кванты используют матрицу важности для оптимального сохранения качества. Нет слепого квантования. — Q80 фактически без потерь — вес источника FP8 (float8e4m3fn). Q80 сохраняет полную точность. — Варианты XL — веса встраивания и вывода поддерживаются на уровне Q80 для значимого улучшения согласованности при маршрутизации MoE. Доступно для Q4KM, Q5KM, Q3KM. — Правильные метаданные лицензии — НЕКОММЕРЧЕСКАЯ лицензия, правильно установленная в заголовках GGUF через —override-kv. Другие репозитории неправильно перечисляют измененный MIT. — Validated — every quant smoke-tested for coherent output, reasoning accuracy, and code generation before upload. NON-COMMERCIAL USE ONLY. Commercial use requires prior written authorization from MiniMax. See LICENSE. Sizing rule: Pick a quant 1-2 GB smaller than your total VRAM (GPU) or VRAM+RAM combined (Apple Silicon). A great…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: Youssofal
Теги: gguf, minimax, minimax_m2, moe, mixture-of-experts, imatrix, llama-cpp, endpoints_compatible
Лайков: 3 | Загрузок: 321
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
