StepFun Step 5 ning dastlabki versiyasini chiqardi: 600 milliard parametrli, razretilgan MoE va 1 million token kontekstiga ega model

Shanghai Artificial Intelligence Laboratory Atria Dawn Preview — murakkab tadqiqot va muhandislik jarayonlarini qoʻllab-quvvatlash uchun ishlab chiqilgan agentlik til modelini taqdim etdi, faqat namoyish chatlari uchun emas. Ushbu dastlabki versiya 744 milliard parametrli Mixture-of-Experts (MoE) asosida qurilgan boʻlib, u GLM-5.2 sifatida aniqlangan.

Model 256K hajmidagi kontekst oynasiga ega va MIT litsenziyasi ostida tarqatiladi. Checkpointlar, standart koʻrsatma va FP8-instruct formatida kvantlashtirilgan holda, Hugging Face va ModelScope platformalarida mavjud. Bundan tashqari, xalqaro va Xitoy mintaqalari uchun foydalanuvchilarga APIga kirish beriladi.

Model hujjatlari va arXivʼdagi qoʻshimcha maqolaga koʻra, tizim Verifiable Experience Pipeline (Tasdiqlanadigan Tajriba Kanalchasi) yordamida oʻqitilgan. Bu kanalcha vositalar orqali oʻylashni ijro etiladigan muhitlar va tashqi jihatdan tekshiriladigan natijalar bilan bogʻlaydi. Asosiy tushuncha toʻliq bajarilish siklida yotadi: muammoni tahlil qilish, yechimni loyihalash, vositalarni chaqirish, kod va tajribalarni bajarish, natijalarni tekshirish va muhitdan kelib kelayotgan uzluksiz qayta aloqa doirasida xatolardan keyin tiklanish, shunchaki bitta javob olish emas.

Laboratoriya modelning imkoniyatlarini kashfiyot, yaratish, yetkazib berish va kiberxavfsizlikni qamrab oluvchi ssenariylar uchun guruhladi. Ushbu ssenariylar chuqur tadqiqotlar, dasturiy taʼminotni ishlab chiqish, tuzilgan ofis materiallarini tayyorlash va avtorizatsiya qilingan xavfsizlik tekshiruvlarini oʻz ichiga oladi.

Laboratoriya tomonidan taqdim etilgan 16 ta benchmark boʻyicha baholashda, Atria Dawn Preview beshta vazifada eng yuqori koʻrsatkichni namoyish etdi. Ularning orasida AutomationBench 53.8 natijasi, BrowseComp 92.5, DeepSearchQA 96.0, BFCL v4 77.0 va CyberGym 86.5 kabi natijalar bor. Qolgan koʻrsatkichlar raqobatbardosh boʻlsa-da, ilgʻor agent bazaviy modellariga nisbatan ustun emas.

Bu chiqarish Shanghai AI Lab ning Intern W0 va NCP bilan bogʻliq boshqa ishlaridan farq qiladi. Dawn koʻp bosqichli ilmiy va muhandislik loyihalari uchun ochiq agent hamkori sifatida joylashtirilgan va ogʻirliklarning chiqarilishi bilan birga GitHub va Atria loyihasining maxsus saytida jamoatchilik aktivlari taqdim etildi.

Ishlab chiqaruvchilar SGLang va vLLM kabi freymvorklar orqali mahalliy foydalanish uchun ogʻirliklarni yuklab olishlari yoki mintaqaviy API konsollaridan foydalanishlari mumkin. Codex uslubidagi mijozlar faqat matn rejimi sozlamalaridan foydalanib, Responses API bilan oʻzaro aloqaga kirishishi mumkin. Biroq, jamoalarga AutomationBench natijalarini va vosita zanjirlarini uzoq muddatli vazifalar uchun mustaqil qayta tiklashlari, shuningdek, litsenziyalash va joylashtirish shartlarini tekshirish tavsiya etiladi. «Preview» belgisini jiddiy qabul qilish muhim, chunki agentning ishonchliligi eʼlon qilingan maʼlumotlar toʻplamlari tashqarisida hali nomaʼlum masala boʻlib qolmoqda, laboratoriya vazifalarni bajaruvchi yordamchilardan loyihalar ustida hamkorlik qilishga oʻtish jarayonida.

OpenBMB, ModelBest bilan bogʻliq ochiq loyiha, qurilma ustida bevosita ishlash uchun zich til modelini – MiniCPM5-2B ni taqdim etdi. Ushbu model taxminan 2,52 milliard parametrga ega va 131 072 tokenli tabiiy kontekst uzunligini qoʻllab-quvvatlaydi hamda Apache-2.0 litsenziyasi ostida tarqatiladi.

MiniCPM5-2B bu MiniCPM5-1B dan keyingi MiniCPM5 seriyasining ikkinchi nashridir. U 16 ta soʻrov va 2 ta kalit/qiymat boshlaridan foydalanadigan guruhlangan soʻrov diqqatini (grouped-query attention) oʻz ichiga olgan 42 ta qatlamli standart LlamaForCausalLM tuzilishidan foydalanadi. Bu tufayli, asosiy dvigatellar maxsus yadrolar yoki model kodining forklari boʻlmasdan modelni yuklashlari mumkin.

Embeddinglar boʻlmagan parametrlarning hajmi taxminan 1,98 milliardni tashkil qiladi, bu esa modelni telefonlar, noutbuklar va periferik qurilmalarda joylashtirish uchun mos keladigan 4 milliard parametrdan kamroq sinfga joylashtirish imkonini beradi.

34-benchmark maʼlumotlar toʻplami boʻyicha solishtirganda, MiniCPM5-2B oʻrtacha 53,9 koʻrsatkichini namoyish etib, bir qator kattaroq ochiq asosiy modellar ustunlikka erishdi. Ulardan Qwen3.5-4B 51,1, granite-4.2-3B esa 42,7 ni koʻrsatdi. Shu bilan birga, LFM2.5-2.6B va Qwen3.5-2B kabi oʻlchami teng modellar orqada qoldi.

Modelning kuchli tomonlari kodlovchi agentlar, vositalardan foydalanish va uzoq kontekstdan maʼlumotlarni ajratib olish sohalarida jamlangan. Masalan, LiveCodeBench v6 da MiniCPM5-2B Qwen3.5-4B ning 56,4 ga qarshi 69,1 ni koʻrsatdi, SWE-bench Verified da esa 46,4 ga qarshi 33,6 ni koʻrsatdi. Shuningdek, τ²-Bench Telecom (97,1), BFCL v4 (66,6) va NoLiMa (43,5 ga qarshi 68,1) kabi joylarda yuqori natijalar erishildi.

Chuqur bilim talab qiladigan vazifalarda koʻrsatkichlar hajm chegarasiga yaqinroq qoladi; masalan, MMLU-Pro da model 70,8 ni koʻrsatdi, shu paytda 4B hajmdagi referans Qwen modeli 78,0 ni yigʻdi. OpenBMB Artificial Analysis manbalaridan olingan qatorlarni alohida belgilaydi, shunda foydalanuvchilar yetkazib beruvchilar va uchinchi tomon natijalarini farqlay olishadi.

Keyingi oʻqitish jarayoni UltraData darajasi boshqaruviga amal qildi: avval taxminan 400 milliard tokenlardan foydalangan chuqur fikrlash asosida nazoratli oʻqitish (supervised fine-tuning) oʻtkazildi. Keyin, matematika, kod, agentlar va yozish uchun JustRL II algoritmi asosidagi ixtisoslashtirilgan ragʻbatlantirish-oʻrganish oʻqituvchilari (reinforcement-learning teachers) qoʻllanildi. Yakuniy bosqich siyosat boʻyicha destillatsiya (on-policy distillation) boʻlib, unda 16 ta RL eksperti – ulardan beshtasi agentlar edi – bitta yakuniy talaba modeliga birlashtirildi.

OpenBMB tahlil qilish va umumiy toʻplamlardagi oʻrtacha 10,96 ball, shuningdek, agentlik toʻplamlarida 6,96 ball oshishini RL va destillatsiya bosqichlariga bogʻlaydi. Har bir qismining hissasini toʻgʻridan-toʻgʻri oʻlchash imkoniyati uchun kompaniya oʻrta nazorat nuqtalarini chiqaradi: Base, Midtrain va SFT-only.

Ogʻirlar bilan birga, UltraData korporatsiyalari veb, kod, matematika, SFT va agentlar uchun RL namunalarini qamrab oluvchi maʼlumotlar bazalarini eʼlon qiladilar, bu esa natijalarni qayta tiklash imkonini beradi. Ishlash vaqtini qoʻllab-quvvatlash vLLM, SGLang, Transformers, llama.cpp, Ollama, LM Studio, MLX, LiteRT va koʻp chiplilik FlagOS yigʻindilarini oʻz ichiga oladi. Mahalliy yordamchilarga moʻljallangan GGUF, MLX va GPTQ paketlari taqdim etiladi, ular markaziy maʼlumotlar bazasi grafik protsessoridan foydalanmasdan vositalar chaqiruvlarini bajarish va uzoq kontekst bilan ishlashi kerak.

Qurilma ustida ishlashga yoʻnaltirilgan ishlab chiquvchilar uchun MiniCPM5-2B nafaqat umumiy bilimlarning giganti sifatida, balki Apache litsenziyali ixcham agent va kodlash uchun hamroh sifatida pozitsionlanadi, u allaqachon eʼlon qilingan oʻrtacha koʻrsatkich boʻyicha baʼzi 4B sinfidagi ochiq asosiy modellar ustunlikka ega.

LEAP 2026 tadbirida, 3-sentabrda boʻlib oʻtgan ushbu tadbirda Saudiya Arabistonining Kelajak Fondi (PIF) tomonidan qoʻllab-quvvatlanayotgan HUMAIN kompaniyasi HUMAIN-M3 modelini taqdim etdi. Ushbu model arab tiliga yoʻnaltirilgan va hozirda HUMAIN Node platformasida oldindan koʻrish uchun mavjud, shu bilan birga keyinchalik ochiq vaznlar bilan chiqarilishi rejalashtirilmoqda.

HUMAIN-M3 ning poydevori Xitoy startapi MiniMax tomonidan uch oy oldin chiqarilgan ochiq koʻp-ekspert (mixture-of-experts) M3 strukturasidir. HUMAIN-M3 modeli M3 ning arxitektura xususiyatlarini saqlab qoladi va taxminan 428 milliard parametrga ega, bunda har bir token uchun taxminan 23 milliard parametr faol boʻladi. Keyinroq model uch trilliondan ortiq tabiiy arab tokenlari ustida qoʻshimcha oʻqitishdan oʻtadi.

HUMAIN tomonidan eʼlon qilingan yetti jamoat arab benchmarklariga koʻra, bu model beshinchi oʻrinda joy olgan va oʻrtacha ogʻirlangan koʻrsatkichi 89,37% ni tashkil etgan. Bu natija bazaviy M3 modeliga qaraganda 9,03 ball yuqori va GPT-5.6 SOL hamda Claude Opus 5 ning eʼlon qilingan natijalaridan ustun. Asosiy urgʻu tezlikka beriladi: ochiq bazaviy modeldagi umumiy fikrlash, multimodal, agentlar va uzun kontekstdan foydalaniladi, undan soʻng til va madaniyatning mahalliy ixtisoslashuvi amalga oshiriladi.

Bu yondashuv suveren sunʼiy intellekt uchun kengroq global kurashga mos keladi. Xitoy nashrlarida kuzatilayotgan CNAS maʼlumotlariga koʻra, 2026 yil oʻrtigacha 67 ta mamlakatda 184 ta davlat suveren AI loyihasi roʻyxatga olingan, shu jumladan yilning birinchi yarimida 41 ta loyiha qoʻshilgan. Mahalliy davomli oʻqitish uchun ochiq bazalar soni 2024 yil oxiridan beri ikki baravar oshdi. Xaridorlar dialektlarning aralashmasiga, maʼlumotlarni oʻz serverlarida saqlashga va eksport nazorati shokidan keyin masofaviy API yoʻqolish xavfiga eʼtibor qaratishmoqda, bu esa yuklab olinadigan vaznlar va mahalliy post-treningga ijobiy taʼsir qiladi.

MiniMax ning xalqaro faoliyati ham shu tendensiyaga amal qiladi. Kompaniya mahsulotlari allaqachon 230 dan ortiq mamlakatlar va hududlarda mavjudligini eʼlon qiladi. Yevropada MiniMax SN50 uskunalari ustida yuqori tezlikdagi inferens uchun SambaNova bilan, shuningdek, maxsus joylashtirilgan ochiq yechim sifatida Nebius Token Factory bilan hamkorlik qiladi. HUMAIN bu konsepsiyani yanada ilgari suradi: oddiy yuklab olish va API dan milliy model dasturiga oʻtadi, bu yerda Xitoy nazorat namunasi ustiga oʻz til maʼlumotlari va hisoblash quvvatlarini investitsiya qiladi.

Xitoydagi ochiq modellar bilan shugʻullanuvchi laboratoriyalar uchun mijozlar endi faqat reytinglarda ishtirok etuvchi ishlab chiquvchilar emas. Davlatlar endi oʻzlari egalik qila oladigan, yangilashi va mustaqil ishga tushirishi mumkin boʻlgan boshlangʻich nazorat namunasi talab qilishmoqda. MiniMax M3 ning HUMAIN-M3 ga integratsiyasi erta va aniq misol boʻlib, ochiq vaznlarni yetkazib berish, uskunalarni moslashtirish va uzoq muddatli qoʻllab-quvvatlashning benchmarklardagi keyingi koʻrsatkich kabi ahamiyatga ega boʻlishi mumkinligini bildiradi. AQSh va Xitoy monopoliyasidan tashqaridagi kurash tobora kim qayta ishlatiladigan bazani taqdim etayotgani bilan bogʻliq boʻlib boradi, kim ingliz tilidagi har bir testni yutganligi bilan emas.