MiniMax abre o código-fonte do MiniMax Code
A MiniMax disponibilizou no GitHub o código-fonte da sua ferramenta de programação com IA, o MiniMax Code, após benchmarks que demonstram desempenho superior e custos reduzidos em comparação aos concorrentes.
MiniMax abre o código-fonte do MiniMax Code
Ronny, chefe de Desenvolvimento e Pesquisa da MiniMax, anunciou a publicação do projeto no GitHub com as seguintes palavras:
"Construído com desenvolvedores. Agora construído em aberto. Nos vemos no GitHub."
Isso significa que o MiniMax Code, desenvolvido inicialmente em colaboração com a comunidade de programadores, está agora migrando para um modelo de desenvolvimento totalmente open-source. O repositório está disponível em MiniMax Code no GitHub.
Desempenho e Custo
Esta liberação é particularmente interessante no contexto dos testes recentes da empresa. Utilizando o mesmo modelo subjacente e um conjunto de 30 tarefas, o MiniMax Code alcançou os seguintes resultados:
- Taxa de Sucesso:
- MiniMax Code: 76,7%
- Codex: 66,7%
- Claude Code: 63,3%
- Tempo Médio de Execução:
- MiniMax Code: 4 minutos e 33 segundos
- Codex: 6 minutos e 43 segundos
- Claude Code: 9 minutos e 38 segundos
- Custo por Execução:
- MiniMax Code: US$ 1,83
- Codex: US$ 3,47
- Claude Code: US$ 18,34
Por que isso importa
A liberação do código-fonte permite que os desenvolvedores inspecionem a camada de orquestração e compreendam os mecanismos técnicos por trás das diferenças significativas de velocidade e custo em relação a outras ferramentas de codificação com IA.
Por que isso importa
AnáliseA abertura do código permite à comunidade analisar a arquitetura de uma ferramenta que demonstra eficiência consideravelmente maior e custos inferiores em comparação a alternativas proprietárias como Codex e Claude Code.
Debater na comunidade
Compartilhe suas dúvidas e insights com desenvolvedores
Relacionado no ecossistema
Guias práticos, terminologia essencial e skills de agentes
Trabalhando com Git via Claude Code: Guia para Iniciantes
Guia prático completo sobre a integração entre Git e Claude Code: staging inteligente, descrições automáticas de commits, resolução de conflitos de merge, GitHub CLI e padrões de segurança.
Harvard abre curso gratuito sobre engenharia de sistemas de ML
Harvard abriu o acesso ao CS249r, um curso focado na infraestrutura para treinar, inferir e implantar modelos de IA. Os materiais incluem TinyTorch, laboratórios interativos, MLSys·im e slides das aulas.
10 Repositórios do GitHub para se tornar um Engenheiro de IA em 90 dias
Tornar-se um engenheiro de IA hoje não se resume apenas a modelos e prompts. A maior parte do trabalho real é construída em torno de agentes, sistemas RAG, orquestração (orchestration), bancos de dados vetoriais (vector databases) e infraestrutura de IA.
GitHub Copilot Workspace
Ambiente de desenvolvimento agêntico em nuvem da GitHub que transforma Issues do GitHub em Pull Requests totalmente especificados e testados, sem a necessidade de clonar o repositório localmente.