MiniMax-M2.7 is highly verbose and slow
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 35/100
- Tipo de issue
- Error
- Claridad
- Necesita aclaración
- Estado de actividad
- Tranquilo
- Área
- machine-learning, performance
Línea de trabajo
Start by reproducing the M2.7 workload with vLLM on 4 x A100 (80G), comparing it with M2.5 and recording latency, output length, and degradation after repeated requests. Narrow down whether verbosity or slowdown is the primary regression, then document a minimal reproduction and expected behavior; no repository file or test is identified in the issue.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
I upgraded from M2.5 to M2.7, I am using 4 x A100(80G), the M2.5 is compared to be on-the-fly, but the M2.7 is really verbose and slow, I am running with the VLLM, it's getting worse after some amount of requests.
- Lenguaje dominante
- Sin datos de lenguaje
- Estrellas
- 363
- Forks
- 64
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de MiniMax-AI/MiniMax-M2.7
-
MiniMax-M3: /anthropic endpoint reports 200K context instead of 1M — Claude Code compacts earlyAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
MiniMax-AI/MiniMax-M2.7#46 · 5 comentarios · 1 reacción ·
-
Refund demand - 10 unauthorised NANONOBLE PTE. LTD. charges totalling Rs. 25,088.98 (HDFC card 9248)Abierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 1/100
MiniMax-AI/MiniMax-M2.7#61 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
MiniMax-AI/MiniMax-M2.7#60 ·
-
ไหมAbierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 1/100
MiniMax-AI/MiniMax-M2.7#59 ·
-
Verify evals on Papers with CodeAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 55/100
MiniMax-AI/MiniMax-M2.7#58 ·
Todos los issues de MiniMax-AI/MiniMax-M2.7
Issues similares
-
Eval bug: minimax-m3: build_moe_ffn() drops the per-expert NVFP4 scale → garbled output (M3.1 Flash)Abiertobug-unconfirmed
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
Los mantenedores suelen responder en 1 día
-
Categorical trees: error message and docstring state the wrong limit for categorical_featuresAbiertoNeeds Triage
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
scikit-learn/scikit-learn#35221 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 90/100
-
bug coderabbit
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
guymaim/robo-trader#465 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
opendatalab/Earth-Agent#15 ·