Результаты тестов моделей искусственного интеллекта

Тесты математики MiniMax M2: сильное мышление, слабый контроль исполнения

Вадим Копонов — Mon, 15 Dec 2025 16:33:39 +0000

Протестировали MiniMax M2 на 25 математических задачах: от базовой арифметики до анализа, теории чисел и олимпиадных уравнений. Формальный pass-rate составил 76%, однако значительная часть «провалов» связана не с ошибками в вычислениях, а с нарушением формата ответа. Модель часто возвращает правильный результат, но сопровождает его пояснениями или развёрнутыми рассуждениями. Показательно, что сложные теоретические темы обрабатываются стабильнее, чем элементарные вычисления

Источник: Ре: ИИ

Сообщение Тесты математики MiniMax M2: сильное мышление, слабый контроль исполнения появились сначала на Ре: ИИ — Искусственный интеллект и стартапы.

Тесты reasoning MiniMax M2: модель думает правильно, но нарушает формат

Вадим Копонов — Sun, 14 Dec 2025 11:36:07 +0000

Во втором этапе тестирования MiniMax M2 мы сфокусировались на reasoning-задачах и получили важный результат: модель почти не ошибается по смыслу, но регулярно нарушает формат ответа. В логических и математических задачах MiniMax M2 стабильно приходит к правильному выводу, однако до 30–40% прогонов формально «проваливаются» из-за лишнего текста, пояснений или структуры вывода. При этом глубина рассуждений не деградирует с длиной цепочки, а реальная семантическая консистентность модели ближе к 90–95%. По поведению MiniMax M2 скорее выглядит как research-reasoner, а не как модель, оптимизированная под жёсткие API-контракты

Источник: Ре: ИИ

Сообщение Тесты reasoning MiniMax M2: модель думает правильно, но нарушает формат появились сначала на Ре: ИИ — Искусственный интеллект и стартапы.

MiniMax M2: первые наблюдения из серии тестов модели

Вадим Копонов — Tue, 09 Dec 2025 20:50:29 +0000

Мы начали серию системных тестов MiniMax M2 и сразу обнаружили характерные паттерны поведения: модель уверенно решает логические цепочки, но при увеличении токенов расширяет ответы, нарушает формат и «улучшает» код без запроса. Разбираем первые наблюдения

Источник: Ре: ИИ

Сообщение MiniMax M2: первые наблюдения из серии тестов модели появились сначала на Ре: ИИ — Искусственный интеллект и стартапы.