Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

Minico M1

Um fine-tune de 350M do LFM2.5 da Liquid com um seletor de raciocínio de cinco níveis; caprichado e minúsculo, mas pensar quase não ajuda.

Análise de ReviewRamble editors · Atualizado

Visitar Minico M1 Código aberto

Compartilhe esta página:XLinkedInFacebookRedditWhatsAppE-mail

Nossa nota

3.3/5

Minico M1 é um fine-tune amador cuidadoso que faz um modelo de 350M se comportar, mas seu recurso principal, o seletor de raciocínio, não o torna mais preciso.

O que é Minico M1?

Minico M1 1105 é um modelo de raciocínio de 350 milhões de parâmetros da Mincofficial, um desenvolvedor independente, ajustado a partir do LFM2.5-350M da Liquid AI e publicado no Hugging Face em 5 de novembro de 2026. Seu diferencial é uma configuração de esforço de raciocínio com cinco níveis (off, low, medium, high e max) que muda quanto o modelo pensa antes de responder, de nenhum raciocínio até uma mediana de 78 tokens de raciocínio. Ele também faz chamadas de ferramentas no formato do LFM.

Ele substitui o Minico M1 Preview, que segundo o autor entrava em loop, repetia o raciocínio na resposta e ignorava a configuração de esforço. O treino teve quatro etapas (duas rodadas de fine-tuning supervisionado, DPO e GRPO com recompensas verificáveis) mais uma fusão de pesos, tudo num MacBook Air de 32GB com MLX. Há versões em safetensors, GGUF, MLX e ONNX, e uma demo no navegador roda o modelo na sua própria GPU via WebGPU.

Minico M1 vale a pena?

Minico M1 é o modelo de chat de 350M mais bem-comportado nos testes do autor, e a vantagem sobre o próprio modelo base é pequena. Na bateria de cinco benchmarks da ficha, ele tem média de 49,8, contra 47,0 do LFM2.5-350M original, 43,6 do Granite 4.0 350M da IBM e 24,2 do Gemma 3 270M do Google. O autor observa que diferenças abaixo de cerca de 3 pontos estão dentro do ruído entre execuções, o que cobre a maior parte da distância para o modelo base.

Os ganhos reais estão no comportamento, não no conhecimento. Em relação ao modelo base, ele leva as respostas de vários turnos que tratam da última mensagem de 91 para 99 em 100, e as chamadas de ferramentas corretas no teste do autor de 54,8% para 100%. A taxa de loop, a parcela de 80 prompts em que a saída se repete até o limite de tokens, é de 0%, contra 18,8% do Preview e do Gemma 3 270M. Com cerca de 229MB como GGUF Q4_K_M, a ficha informa 371 tokens por segundo num MacBook Air sem ventoinha.

O seletor de esforço é honesto, mas por enquanto quase cosmético. Na matemática escolar do GSM8K, o modelo marca 39,8 sem raciocínio e 37 no melhor nível com raciocínio, e a ficha diz isso abertamente. Pensar corrige algumas armadilhas: perguntado 20 vezes "What is 5 + 5 x 5?", acertou 7 vezes sem raciocínio e 20 vezes em cada um dos outros níveis.

O porém: é um modelo de 350M, então erra fatos e matemática mais difícil, e só o inglês foi testado. Todos os números vêm da bateria de uma única pessoa com amostragem quase gulosa, não de avaliação independente. Com ferramentas disponíveis, evitou uma chamada desnecessária só 75% das vezes, e a LFM Open License retira os direitos comerciais de qualquer empresa com $10 milhões ou mais de receita anual.

Nossa opinião: como interpretador de comandos para um assistente de voz ou uma extensão de navegador que precisa rodar offline, o Minico M1 é um ponto de partida mais limpo que o LFM2.5-350M de fábrica; como pequeno modelo de raciocínio, mostra que um seletor num modelo de 350M muda quanto ele fala, não quanto ele sabe.

Onde ele se destaca

  • Um desenvolvedor criando um assistente de voz offline para uma central de casa inteligente

    Transformar comandos falados em chamadas de função como set_volume(level=30)

    Passe as funções do dispositivo via `tools` no template de chat e rode o GGUF Q4_K_M de 229MB com llama.cpp. Deixe o esforço em off pela velocidade e confira que ele não chama ferramenta quando o usuário só conversa, erro que cometeu em 25% dos casos nos testes.

  • Um engenheiro front-end adicionando ajuda de texto privada a uma extensão de navegador

    Reescrever ou encurtar texto da página sem enviá-lo a um servidor

    A versão ONNX roda via WebGPU no navegador, como a demo do autor, então nada sai da máquina do usuário. Não há conta de hospedagem; o custo é o download e a GPU do usuário.

  • Um pesquisador que estuda modelos de raciocínio pequenos

    Comparar como o tamanho do raciocínio afeta a precisão com 350M de parâmetros

    Ajuste reasoning_effort de off a max e registre a mediana de tokens de raciocínio (40 em low, 78 em max, segundo a ficha). A receita de treino publicada, SFT, DPO, GRPO e fusão ExPO, pode ser reproduzida num Mac de 32GB com MLX.

Antes de decidir

Configuração
Carregue Mincofficial/Minico-M1-1105 com Transformers, ou rode `llama-server -hf Mincofficial/Minico-M1-1105-GGUF:Q8_0 --jinja` passando reasoning_effort nos kwargs do template de chat; uma versão MLX cobre Apple silicon.
Integrações
Transformers, llama.cpp, MLX e ONNX Runtime (WebGPU no navegador); chamadas de ferramentas usam tags <|tool_call_start|> no estilo LFM em vez do JSON da OpenAI.
Dados e privacidade
Os pesos rodam localmente; a demo no navegador roda na sua GPU e o autor diz que nada sai do seu computador. Os dados de treino foram destilados do LFM2.5-1.2B-Thinking e do LFM2.5-1.2B-Instruct da Liquid.
Custo em escala
Sem taxa de uso. O uso comercial só é licenciado abaixo de $10 milhões de receita anual; acima disso, a licença não concede direitos comerciais e não há termos separados publicados.
Limites
Contexto de 32K tokens herdado do modelo base; limites de saída recomendados de 640 tokens (low) a 4.608 (max). O autor recomenda um único nível de esforço por conversa, só inglês, e nenhum uso médico, jurídico ou financeiro.

O que é bom

  • Cinco níveis de esforço de raciocínio, de desligado até uma mediana de 78 tokens de raciocínio
  • 100% de chamadas de ferramentas corretas no teste do autor, contra 54,8% do modelo base
  • Taxa de loop de 0% em 80 prompts
  • Cerca de 229MB como Q4_K_M; 371 tokens por segundo num MacBook Air sem ventoinha
  • Versões GGUF, MLX e ONNX, além de uma demo WebGPU no navegador

O que não é

  • Pensar não aumenta a precisão no GSM8K: 37 no máximo contra 39,8 desligado
  • A vantagem média sobre o modelo base (49,8 contra 47,0) está perto do ruído declarado
  • Todos os benchmarks são da bateria do autor; só inglês
  • Uso comercial vetado a empresas com $10 milhões ou mais de receita

Ideal para

Desenvolvedores de assistentes offline, extensões de navegador ou interpretadores de comandos no dispositivo que precisam de um modelo abaixo de 400M que siga instruções e chame ferramentas de forma confiável.

Alternativas ao Minico M1

Minico M1: perguntas frequentes

Minico M1 vale a pena?
Minico M1 é um fine-tune amador cuidadoso que faz um modelo de 350M se comportar, mas seu recurso principal, o seletor de raciocínio, não o torna mais preciso. Damos nota 3.3 de 5.
Quanto custa Minico M1?
Pesos gratuitos sob a LFM Open License v1.0. O uso comercial só é licenciado para organizações com receita anual abaixo de $10 milhões; pesquisa sem fins lucrativos é isenta.
Quais são as desvantagens de Minico M1?
Pensar não aumenta a precisão no GSM8K: 37 no máximo contra 39,8 desligado; a vantagem média sobre o modelo base (49,8 contra 47,0) está perto do ruído declarado; todos os benchmarks são da bateria do autor; só inglês; uso comercial vetado a empresas com $10 milhões ou mais de receita.
Para quem Minico M1 é indicado?
Desenvolvedores de assistentes offline, extensões de navegador ou interpretadores de comandos no dispositivo que precisam de um modelo abaixo de 400M que siga instruções e chame ferramentas de forma confiável.
Quanto custa Minico M1 para uma equipe ou em produção?
Sem taxa de uso. O uso comercial só é licenciado abaixo de $10 milhões de receita anual; acima disso, a licença não concede direitos comerciais e não há termos separados publicados.
Minico M1 é seguro para dados da empresa?
Os pesos rodam localmente; a demo no navegador roda na sua GPU e o autor diz que nada sai do seu computador. Os dados de treino foram destilados do LFM2.5-1.2B-Thinking e do LFM2.5-1.2B-Instruct da Liquid.
Quais são as melhores alternativas ao Minico M1?
As alternativas mais próximas que analisamos são LFM3, Granite 4.2, SmolLM3-3B e Gemma 4.

Respostas verificadas em 21 de nov. de 2026.