Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

Minico M1

Un fine-tune de 350M du LFM2.5 de Liquid doté d'un réglage de réflexion à cinq crans ; soigné et minuscule, mais réfléchir l'aide à peine.

Avis de ReviewRamble editors · Mis à jour

Visiter Minico M1 Open source

Partager cette page :XLinkedInFacebookRedditWhatsAppE-mail

Notre note

3.3/5

Minico M1 est un fine-tune amateur soigné qui discipline un modèle de 350M, mais sa fonction phare, le réglage de réflexion, ne le rend pas plus juste.

Qu’est-ce que Minico M1 ?

Minico M1 1105 est un modèle de raisonnement de 350 millions de paramètres signé Mincofficial, un développeur indépendant, affiné à partir du LFM2.5-350M de Liquid AI et publié sur Hugging Face le 5 novembre 2026. Sa particularité est un réglage d'effort de raisonnement à cinq niveaux (off, low, medium, high et max) qui modifie la durée de réflexion avant la réponse, d'aucun raisonnement à une médiane de 78 tokens de raisonnement. Il appelle aussi des outils au format LFM.

Il remplace Minico M1 Preview, qui selon l'auteur tournait en boucle, répétait son raisonnement dans la réponse et ignorait le réglage d'effort. L'entraînement s'est fait en quatre étapes (deux passes de fine-tuning supervisé, DPO et GRPO avec récompenses vérifiables) plus une fusion de poids, le tout sur un MacBook Air de 32GB avec MLX. Il existe en safetensors, GGUF, MLX et ONNX, et une démo dans le navigateur le fait tourner sur votre propre GPU via WebGPU.

Minico M1 vaut-il le coup ?

Minico M1 est le modèle de chat de 350M le mieux élevé dans les tests de son auteur, et son avance sur son propre modèle de base est mince. Sur le banc de cinq benchmarks de la fiche, il obtient 49,8 en moyenne, contre 47,0 pour le LFM2.5-350M d'origine, 43,6 pour le Granite 4.0 350M d'IBM et 24,2 pour le Gemma 3 270M de Google. L'auteur précise que les écarts inférieurs à environ 3 points relèvent du bruit entre exécutions, ce qui couvre l'essentiel de l'écart avec le modèle de base.

Les vrais progrès portent sur le comportement plus que sur le savoir. Par rapport au modèle de base, il fait passer les réponses multi-tours qui traitent le dernier message de 91 à 99 sur 100, et les appels d'outils corrects au test de l'auteur de 54,8 % à 100 %. Le taux de boucle, soit la part de 80 prompts où la sortie se répète jusqu'à la limite de tokens, est de 0 %, contre 18,8 % pour le Preview et pour Gemma 3 270M. À environ 229MB en GGUF Q4_K_M, la fiche annonce 371 tokens par seconde sur un MacBook Air sans ventilateur.

Le réglage d'effort est honnête mais surtout cosmétique pour l'instant. Sur les maths de niveau primaire de GSM8K, le modèle obtient 39,8 sans réflexion et 37 au mieux avec, et la fiche le dit franchement. Réfléchir corrige tout de même certains pièges : interrogé 20 fois sur "What is 5 + 5 x 5?", il a eu juste 7 fois sans réflexion et 20 fois à chacun des autres niveaux.

Le hic : c'est un modèle de 350M, donc les faits et les maths plus difficiles lui échappent, et seul l'anglais a été testé. Tous les chiffres viennent du banc d'une seule personne avec un échantillonnage quasi glouton, pas d'une évaluation indépendante. Avec des outils disponibles, il n'a évité un appel inutile que dans 75 % des cas, et la LFM Open License retire les droits commerciaux à toute entreprise réalisant $10 millions ou plus de chiffre d'affaires annuel.

Notre avis : comme interpréteur de commandes pour un assistant vocal ou une extension de navigateur qui doit fonctionner hors ligne, Minico M1 est un point de départ plus propre que le LFM2.5-350M d'origine ; comme petit modèle de raisonnement, il montre qu'un réglage sur un modèle de 350M change ce qu'il dit, pas ce qu'il sait.

Là où il fait la différence

  • Un développeur qui conçoit un assistant vocal hors ligne pour une box domotique

    Transformer des commandes vocales en appels de fonction comme set_volume(level=30)

    Passez les fonctions de l'appareil via `tools` dans le modèle de chat et lancez le GGUF Q4_K_M de 229MB avec llama.cpp. Laissez l'effort sur off pour la vitesse et vérifiez qu'il n'appelle pas d'outil quand l'utilisateur ne fait que discuter, erreur commise dans 25 % des cas en test.

  • Un ingénieur front-end qui ajoute une aide à la rédaction privée à une extension de navigateur

    Reformuler ou raccourcir le texte de la page sans l'envoyer à un serveur

    La version ONNX tourne via WebGPU dans le navigateur, comme la démo de l'auteur, donc rien ne quitte la machine de l'utilisateur. Aucune facture d'hébergement ; le coût se limite au téléchargement et au GPU de l'utilisateur.

  • Un chercheur qui étudie les petits modèles de raisonnement

    Mesurer l'effet de la longueur du raisonnement sur la précision à 350M de paramètres

    Réglez reasoning_effort de off à max et notez la médiane de tokens de raisonnement (40 en low, 78 en max selon la fiche). La recette publiée, SFT, DPO, GRPO et fusion ExPO, est reproductible sur un Mac de 32GB avec MLX.

Avant de vous engager

Mise en route
Chargez Mincofficial/Minico-M1-1105 avec Transformers, ou lancez `llama-server -hf Mincofficial/Minico-M1-1105-GGUF:Q8_0 --jinja` en passant reasoning_effort dans les kwargs du modèle de chat ; une version MLX couvre Apple silicon.
Intégrations
Transformers, llama.cpp, MLX et ONNX Runtime (WebGPU dans le navigateur) ; les appels d'outils utilisent des balises <|tool_call_start|> au format LFM plutôt que le JSON d'OpenAI.
Données et confidentialité
Les poids tournent en local ; la démo du navigateur s'exécute sur votre GPU et l'auteur affirme que rien ne quitte votre ordinateur. Les données d'entraînement ont été distillées de LFM2.5-1.2B-Thinking et LFM2.5-1.2B-Instruct de Liquid.
Coût à grande échelle
Aucun frais d'usage. L'usage commercial n'est autorisé qu'en dessous de $10 millions de chiffre d'affaires annuel ; au-delà, la licence n'accorde aucun droit commercial et aucune autre condition n'est publiée.
Limites
Contexte de 32K tokens hérité du modèle de base ; plafonds de sortie conseillés de 640 tokens (low) à 4 608 (max). L'auteur recommande un seul niveau d'effort par conversation, l'anglais uniquement, et aucun usage médical, juridique ou financier.

Les points forts

  • Cinq niveaux d'effort de raisonnement, de l'arrêt à une médiane de 78 tokens de réflexion
  • 100 % d'appels d'outils corrects au test de l'auteur, contre 54,8 % pour le modèle de base
  • Taux de boucle de 0 % sur 80 prompts
  • Environ 229MB en Q4_K_M ; 371 tokens par seconde sur un MacBook Air sans ventilateur
  • Versions GGUF, MLX et ONNX, plus une démo WebGPU dans le navigateur

Les points faibles

  • La réflexion n'améliore pas la précision sur GSM8K : 37 au mieux contre 39,8 sans
  • L'avance moyenne sur le modèle de base (49,8 contre 47,0) est proche du bruit annoncé
  • Tous les benchmarks viennent du banc de l'auteur ; anglais uniquement
  • Usage commercial interdit aux entreprises réalisant $10 millions ou plus

Idéal pour

Développeurs d'assistants hors ligne, d'extensions de navigateur ou d'interpréteurs de commandes embarqués qui ont besoin d'un modèle de moins de 400M qui suit les consignes et appelle des outils de façon fiable.

Alternatives à Minico M1

Minico M1 : questions fréquentes

Minico M1 vaut-il le coup ?
Minico M1 est un fine-tune amateur soigné qui discipline un modèle de 350M, mais sa fonction phare, le réglage de réflexion, ne le rend pas plus juste. Nous lui donnons 3.3 sur 5.
Combien coûte Minico M1 ?
Poids gratuits sous la LFM Open License v1.0. L'usage commercial n'est autorisé qu'aux organisations dont le chiffre d'affaires annuel est inférieur à $10 millions ; la recherche à but non lucratif est exemptée.
Quels sont les inconvénients de Minico M1 ?
La réflexion n'améliore pas la précision sur GSM8K : 37 au mieux contre 39,8 sans; l'avance moyenne sur le modèle de base (49,8 contre 47,0) est proche du bruit annoncé; tous les benchmarks viennent du banc de l'auteur ; anglais uniquement; usage commercial interdit aux entreprises réalisant $10 millions ou plus.
À qui s’adresse Minico M1 ?
Développeurs d'assistants hors ligne, d'extensions de navigateur ou d'interpréteurs de commandes embarqués qui ont besoin d'un modèle de moins de 400M qui suit les consignes et appelle des outils de façon fiable.
Combien coûte Minico M1 pour une équipe ou en production ?
Aucun frais d'usage. L'usage commercial n'est autorisé qu'en dessous de $10 millions de chiffre d'affaires annuel ; au-delà, la licence n'accorde aucun droit commercial et aucune autre condition n'est publiée.
Minico M1 est-il sûr pour les données de l’entreprise ?
Les poids tournent en local ; la démo du navigateur s'exécute sur votre GPU et l'auteur affirme que rien ne quitte votre ordinateur. Les données d'entraînement ont été distillées de LFM2.5-1.2B-Thinking et LFM2.5-1.2B-Instruct de Liquid.
Quelles sont les meilleures alternatives à Minico M1 ?
Les alternatives les plus proches que nous avons testées sont LFM3, Granite 4.2, SmolLM3-3B et Gemma 4.

Réponses vérifiées le 21 nov. 2026.