Fico pensando se os irmãos da MiniMax vão assumir a derrota publicamente quando avançarem para o #3. Tem sido irritante como eles se vangloriaram do suposto fracasso do escalonamento da NSA e da decisão genial de escolher o GQA (e nem mesmo o GQA inteligente como em StepFun). Modelo rápido, caro e com pouca atenção.

Não guardo rancor pela decisão técnica em si, de qualquer forma eles podem fazer como os outros e mudar para DSA/híbrido MLA (ou qualquer outra coisa). O foco deles com o M2 claramente foi dados e treinamento, e eles fizeram muito progresso nesse aspecto. Mas era irritante.