MiniMax abre el código fuente de MiniMax Code
MiniMax ha publicado el código fuente de su herramienta de programación con IA, MiniMax Code, en GitHub, mostrando un mejor rendimiento y menores costos en comparación con sus competidores.
MiniMax abre el código fuente de MiniMax Code
Ronny, jefe de desarrollo e investigación de la empresa, anunció la publicación del proyecto en GitHub con las siguientes palabras:
"Creado junto con los desarrolladores. Ahora se crea abiertamente. Nos vemos en GitHub".
Esto significa que MiniMax Code, que fue desarrollado inicialmente en colaboración con la comunidad de desarrolladores, ahora pasa a un desarrollo totalmente de código abierto. El repositorio está disponible en: MiniMax Code en GitHub.
Rendimiento y Costo
Esto es especialmente interesante a la luz de las pruebas recientes de la empresa. Utilizando el mismo modelo base y un conjunto de 30 tareas, MiniMax Code logró los siguientes resultados:
- Tasa de éxito:
- MiniMax Code: 76,7%
- Codex: 66,7%
- Claude Code: 63,3%
- Tiempo promedio de ejecución:
- MiniMax Code: 4 minutos 33 segundos
- Codex: 6 minutos 43 segundos
- Claude Code: 9 minutos 38 segundos
- Costo por ejecución:
- MiniMax Code: $1,83
- Codex: $3,47
- Claude Code: $18,34
Por qué importa
La publicación del código abierto permitirá a la comunidad inspeccionar la capa de orquestación y comprender los mecanismos técnicos detrás de las diferencias significativas en velocidad y costo en comparación con otras herramientas de programación con IA.
Por qué es importante
AnálisisLa apertura del código permite a la comunidad analizar la arquitectura de una herramienta que demuestra una eficiencia significativamente mayor y costos más bajos que las alternativas propietarias como Codex y Claude Code.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
Trabajo con Git a través de Claude Code: guía para principiantes
Guía práctica completa sobre la integración de Git y Claude Code: staging inteligente, mensajes de commit automáticos, resolución de conflictos, GitHub CLI y estándares de seguridad.
Harvard abre un curso gratuito sobre ingeniería de sistemas de ML
Harvard abrió el acceso a CS249r, un curso centrado en la infraestructura para entrenar, inferir y desplegar modelos de IA. Incluye TinyTorch, laboratorios interactivos, MLSys·im y diapositivas de clases.
10 repositorios de GitHub que te ayudarán a convertirte en ingeniero de IA en 90 días
Convertirse en ingeniero de inteligencia artificial hoy en día no se trata solo de modelos e indicaciones. La mayor parte del trabajo real se basa en agentes, sistemas RAG, orquestación, bases de datos vectoriales e infraestructura de inteligencia artificial.
GitHub Copilot Workspace
Entorno de desarrollo en la nube de GitHub que transforma GitHub Issues en Pull Requests completamente especificados y probados sin necesidad de clonar el repositorio localmente.