Rekabete daha ucuz bir yapay zekâ çalışanı katılıyor
Şanghay merkezli yapay zekâ girişimi MiniMax, dikkat çekici bir vaatle M2.5 modelini piyasaya sürdü: saniyede 100 token hızında yazılım geliştirebilen, araştırma yapabilen ve ofis belgeleri oluşturabilen; üstelik saatte yaklaşık 1 dolara mal olan bir yapay zekâ modeli. 14 Şubat 2026 itibarıyla düşük fiyatları ve güçlü test sonuçlarının birleşimi, kurumsal yapay zekânın ekonomisi üzerinde baskı oluşturuyor.
İçindekiler
- Rekabete daha ucuz bir yapay zekâ çalışanı katılıyor
- M2.5, önde gelen kodlama modellerine ne kadar yakın?
- Web'de gezinme, araç kullanımı ve bağımsız ölçümler
- Daha küçük bir bölümünü etkinleştiren büyük model
- Forge, modeli işleri tamamlamak üzere nasıl eğitiyor?
- MiniMax'te belgeler, elektronik tablolar ve iş akışları
- İki API fiyatı karşılığında ne sunuluyor?
- Daha hızlı tamamlama, işletme hesabını değiştiriyor
- Çin yapay zekâsında yoğun bir hafta
- Öne Çıkanlar
Şirket, M2.5'i yalnızca soruları yanıtlayan değil, işleri tamamlayabilen dijital bir çalışan olarak tanıtıyor. Açıklanan fiyatları, Claude Opus 4.6 ve GPT-5.2 dahil rakiplerin fiyatlarının yaklaşık onda biri ile yirmide biri arasında. Daha düşük çalışma hızında MiniMax, saatlik maliyeti yaklaşık 0,30 dolar olarak veriyor.
M2.5, değiştirilmiş bir MIT Lisansı altında Hugging Face'te yayımlandı. Böylece kuruluşlar modelin ağırlıklarına, yani eğitim sırasında öğrenilen sayısal ayarlara erişebiliyor ve modeli kendi altyapılarında çalıştırabiliyor. Ticari kullanıcıların, kullanıcı arayüzlerinde "MiniMax M2.5" adını belirgin biçimde göstermesi gerekiyor.
Yatırımcıların tepkisi güçlü oldu. Hong Kong'da MINIMAX-WP adıyla, 00100.HK hisse koduyla işlem gören MiniMax hisseleri, duyurunun ardından yüzde 11 ila 16 yükseldi ve 680 Hong Kong dolarından kapandı. Lansman, küresel piyasaları sarsan ve yazılım, robotik ve video üretimi alanlarındaki rekabeti kızıştıran yoğun bir Çin yapay zekâ lansmanları haftasında gerçekleşti.
Çekiciliği açık: Yetkin yapay zekâyı çalıştırmak ucuzladıkça işletmeler ona daha fazla iş verebilir. MiniMax, yıl boyunca kesintisiz çalışan dört ajanın yaklaşık 10.000 dolara mal olacağını tahmin ediyor. Bu tutarın, Batılı modellerle benzer bir çalışmanın bir aylık maliyetini bile karşılamaya yetmeyeceği belirtiliyor. Kıyaslama sonuçları da işletmelerin performansı kendi görevlerine göre değerlendirmesi gerekeceğini gösteriyor.
M2.5, önde gelen kodlama modellerine ne kadar yakın?
M2.5, gerçek yazılım projelerindeki sorunlara dayanan ve yazılım mühendisliği becerisini ölçmekte yaygın olarak kullanılan SWE-Bench Verified testinde yüzde 80,2 puan aldı. Bu sonuç Anthropic'in Claude Opus 4.6 modelinin 0,6 puan gerisinde; OpenAI'nin yüzde 80 puan alan GPT-5.2 modelinin ve Google'ın yüzde 78 puan alan Gemini 3 Pro modelinin önünde yer aldı.
Bu testleri bilmeyenler için temel fikir basit: Model bir programlama problemi alıyor ve çalışan bir çözüm üretmesi gerekiyor. Daha yüksek puan, kıyaslama testindeki görevlerin daha büyük bölümünü başarıyla tamamladığı anlamına geliyor. Kullanılan araçlar ve test düzeni de modelin ne kadar etkili çalışabildiğini etkiliyor.
M2.5, farklı dillerde programlamayı ve birden fazla kod deposunu anlamayı gerektiren görevleri inceleyen Multi-SWE-Bench testinde özellikle iyi performans gösterdi. Yüzde 51,3'lük puanı, Claude Opus 4.6'nın yüzde 50,3'lük ve Gemini 3 Pro'nun yüzde 42,7'lik puanlarını aştı. MiniMax, hem görünür arayüzü hem de temel yazılımı kapsayan karmaşık geliştirme görevlerine yönelik kurum içi VIBE-Pro testinde modelin Claude Opus 4.5 ile aynı düzeyde performans gösterdiğini bildirdi.
Yeni kodlama problemlerinde sıralama farklı çıktı. Farklı bir yöntem kullanan ve GitHub'daki 48 yeni pull request'i değerlendiren SWE-rebench Ocak 2026 sıralamasında M2.5 yüzde 39,6 puan aldı; Claude Code'un puanı yüzde 52,9 oldu. Bu değerlendirmede Claude Opus 4.6 yüzde 51,7, GPT-5.2 ise yüzde 51,0 puan aldı.
Pull request, bir yazılım projesi için önerilen değişikliktir. Yakın zamanda sunulan önerileri test etmek, bir kodlama ajanının yeni işlerle nasıl başa çıktığına dair farklı bir bakış sunar. Bu testte en yeni kodlar üzerinde Batılı sistemler üstünlüğünü korurken M2.5'in SWE-Bench Verified'daki daha güçlü sonucu, rekabetçi konumunun görev ve değerlendirme düzenine göre değiştiğini gösterdi.
Web'de gezinme, araç kullanımı ve bağımsız ölçümler
M2.5'in sonuçları programlamanın ötesine uzanıyor. Zorlu web tarama ve bilgi erişimini test eden BrowseComp'da yüzde 76,3, birden fazla konuşma turunda araç kullanımını ölçen Berkeley Function Calling Leaderboard'da (BFCL) ise yüzde 76,8 puan aldı.
BFCL sonucu, Claude Opus 4.6'dan 13 puandan fazla yüksekti. Araç kullanımı önemli; çünkü bir ajanın çoğu zaman bir dizi işi art arda yapması gerekir: Bilgi bulmak, bir yazılım işlevini çağırmak, sonucu incelemek ve sonraki adımına karar vermek. Yararlı bir yanıt, bu zincirin başarıyla tamamlanmasına bağlı olabilir.
Bağımsız değerlendirme kuruluşu Artificial Analysis, M2.5'e Intelligence Index'te 42 puan verdi; benzer modellerin ortalaması 25'ti. Kuruluş ayrıca modelin saniyede 80 token üretim hızına ulaştığını ölçtü. Bu, karşılaştırma grubunun 55 tokenlik ortalamasının üzerinde.
Token'lar, bir dil modelinin okuyup ürettiği metin parçalarıdır. Bunlar kelimeler, kelimelerin bölümleri veya noktalama işaretleri olabilir. Saniyedeki token sayısı arttıkça metin genellikle daha hızlı gelir; milyon token başına alınan ücret ise bu işlemenin maliyetini belirler.
MiniMax, daha hızlı API sürümü için saniyede 100 token hızını duyuruyor. Bağımsız ölçümde saniyede 80 token hızı kaydedilmesi, gözlemlenen başka bir hız verisi sunuyor. Kodlama değerlendirmeleriyle birlikte bu sonuçlar işletmelere dikkate alabilecekleri çeşitli ölçütler sağlıyor: Görev başarısı, araç kullanımı, yanıt hızı ve fiyat.
Daha küçük bir bölümünü etkinleştiren büyük model
M2.5, 230 milyar parametre içeriyor ancak belirli bir görev için bunların yalnızca 10 milyarını etkinleştiriyor. Şirketin verimlilik açıklamasında Mixture of Experts, genellikle MoE olarak kısaltılan Uzman Karışımı mimarisi merkezi bir yere sahip.
Parametreler, modelin yanıtlarını şekillendiren sayısal ayarlardır. MoE'nin genel açıklamasına göre modelin farklı bölümleri uzmanlar gibi çalışır ve her iş parçası için bunların daha küçük bir bölümü kullanılır. Bu, her an gereken hesaplama gücünü azaltırken öğrenilmiş yeteneklerden oluşan çok daha geniş bir bütüne erişimi korur.
Dolayısıyla MiniMax'in tasarımı, büyük bir modelin akıl yürütme kapasitesini daha küçük ve etkin bir sistemin hızı ve işletme maliyetleriyle bir araya getirmeyi amaçlıyor. Modelin tamamı yine de 230 milyar parametre içeriyor; ağırlıkları kendi sunucularında barındırmayı planlayan kuruluşlar için bu önemli bir nokta.
Eğitim süreci çok sayıda programlama dilini de kapsadı. MiniMax; Go, C, C++, TypeScript, Rust, Kotlin, Python, Java, JavaScript, PHP, Lua, Dart ve Ruby'yi, yani toplamda 10'dan fazla dili sıralıyor. Eğitim 200.000'den fazla ortamda yürütüldü. Bu da modelin tek bir dar kodlama görevi yerine farklı yazılım projelerinin üstesinden gelme hedefini destekliyor.
Forge, modeli işleri tamamlamak üzere nasıl eğitiyor?
MiniMax, özellikle ajan tabanlı yapay zekâ için kendi pekiştirmeli öğrenme çerçevesi Forge'u geliştirdi. Pekiştirmeli öğrenme, bir sistemi eylemleri hakkında verilen geri bildirimle iyileştirmek anlamına geliyor. Forge'da ödül, kulağa hoş gelen yanıtlar üretmekten ziyade görevleri tamamlamaya odaklanıyor.
Şirket, kod depoları, web tarayıcıları ve ofis uygulamalarının da bulunduğu yüz binlerce simüle edilmiş çalışma ortamında eğitim yaptığını belirtiyor. Bu ortamlar, modelin gerçek işi andıran durumlarda eyleme geçme ve sonuçları kontrol etme pratiği yapmasını sağlıyor.
MiniMax'e göre Forge, standart pekiştirmeli öğrenme yaklaşımlarından yaklaşık 40 kat daha hızlı eğitim sağlıyor. Yöntemleri arasında, tüm süreçlerin birbirini beklemeden ilerlemesine olanak tanıyan eşzamansız zamanlama ve eğitim örneklerini düzenleyip birleştiren, ağaç yapılı örnek birleştirme yöntemi bulunuyor.
MiniMax mühendisi Olive Song, ThursdAI podcast'inde ekibin farklı pratik senaryolarda yoğun eğitim için iki ay harcadığını söyledi. Song, görece küçük bir etkin bileşene sahip modeli kapsamlı ajan pratiğiyle eğitmenin hem sunduğu fırsatı hem de zorluğunu anlattı.
Fark ettiğimiz şey, böyle küçük bir modelin çok sayıda ortam ve ajanla pekiştirmeli öğrenme üzerinden eğitilmesi hâlinde büyük bir potansiyel taşıdığıydı. Ancak bunu yapmak pek kolay değil.
Song, ekibin süreci geliştirmek için de önemli ölçüde zaman harcadığını ekledi. MiniMax, eğitimi istikrarlı tutmak için CISPO'yu kullandı. Açılımı Clipping Importance Sampling Policy Optimization olan bu matematiksel yöntem, eğitim yinelemeleri sırasındaki aşırı değişimleri sınırlandırarak modelin öğrenirken gereğinden fazla düzeltme yapmasını engelliyor.
MiniMax, ortaya çıkan davranışlardan birini "Mimar Zihniyeti" olarak adlandırıyor. M2.5, kod üretmeden önce projenin yapısını, özelliklerini ve arayüz tasarımını planlıyor, ardından işi yönetilebilir bileşenlere ayırıyor. Amaç, çözümü uygulamaya koymadan önce düzenlemek.
MiniMax'te belgeler, elektronik tablolar ve iş akışları
MiniMax, M2.5'i bu alanlara özgü bilgilerle eğitmek için finans, hukuk ve sosyal bilimlerdeki kıdemli uzmanlarla çalıştı. Amaç, kullanıcıları biçimlendirilmemiş metin bloklarıyla baş başa bırakmak yerine, uzmanların kullandığı pratik muhakemeyi de içeren tamamlanmış iş ürünleri ortaya çıkarmaktı.
M2.5, Microsoft Word belgeleri oluşturup düzenleyebiliyor, düzen ve grafik içeren PowerPoint sunumları hazırlayabiliyor ve Excel'de karmaşık finansal modellemeler yapabiliyor. Bu görevlerle model, sonucun belirli bir uygulamada kullanılabilir olması gereken tanıdık ofis iş akışlarına giriyor.
Gerçek Microsoft Excel Dünya Şampiyonası sorularından alınan MEWC kıyaslama testinde M2.5 yüzde 74,4 puan aldı. MiniMax'in kurum içi GDPval-MM değerlendirmesinde ise ana akım rakiplere karşı ortalama kazanma oranı yüzde 59 oldu. GDPval-MM, çıktıları ikili eşleştirmeler hâlinde karşılaştırıyor ve hem teslim edilen işin kalitesini hem de sonuca ulaşmak için izlenen profesyonel süreci değerlendiriyor.
MiniMax, M2.5'in şirket içindeki tüm görevlerin yüzde 30'unu şimdiden otonom olarak tamamladığını söylüyor. Model araştırma ve geliştirme, ürün yönetimi, satış, insan kaynakları ve finans alanlarında kullanılıyor. Şirket, merkezindeki kodlama çalışmalarında yeni eklenen kodların yüzde 80'inin model tarafından üretildiğini belirtiyor.
Bu rakamlar şirketin faaliyetlerinin farklı bölümlerini anlatıyor: Yüzde 30'luk oran, departmanlar genelindeki görevleri; yüzde 80'lik oran ise kodlama ortamlarında yeni eklenen kodları kapsıyor. Her ikisi de MiniMax'in modeli kendi bünyesinde kullanmasına ilişkin şirket beyanları.
MiniMax Agent, bu yetenekleri kullanıcıların 10.000'den fazla uzmanlaşmış Expert oluşturduğu bir platformda bir araya getiriyor. Bu yapılandırmalar, Office Skills özelliklerini sektöre özgü bilgilerle birleştiriyor. Bir Expert, sektör araştırmaları için standart çalışma prosedürlerini izleyebiliyor veya finansal modellemede belirli risk kontrol kurallarını uygulayabiliyor.
M2.5, Web, Android, iOS ve Windows için yazılım geliştirmeyi de destekliyor. MiniMax, sunucu API'leri, iş mantığı ve veritabanlarının yanı sıra görünür arayüzü kapsayan çalışmalardan söz ediyor. Modelin hedeflenen rolü, yazılım yaşam döngüsü boyunca sistem tasarımı, özellik değişiklikleri, kod incelemesi ve testleri kapsıyor.
İki API fiyatı karşılığında ne sunuluyor?
MiniMax, aynı yeteneklere ancak farklı üretim hızlarına sahip iki API sürümü sunuyor. API, başka bir uygulamanın modele iş gönderip çıktısını aldığı bağlantıdır.
- Standart M2.5 saniyede 50 token hızında çalışıyor ve girdi token'larının milyonu başına 0,15 dolar, çıktı token'larının milyonu başına 1,20 dolar tutuyor.
- M2.5-Lightning saniyede 100 token hızında çalışıyor ve girdi token'larının milyonu başına 0,30 dolar, çıktı token'larının milyonu başına 2,40 dolar tutuyor.
Girdi token'ları, modele gönderilen talimatlar, belgeler ve diğer metinlerden oluşuyor. Çıktı token'ları ise modelin ürettiği metinler. Aynı materyalin tekrar tekrar kullanıldığı durumlarda maliyetleri düşürebilen önbellekleme özelliği her iki sürümde de destekleniyor.
Saniyede 100 token hızında kesintisiz üretim, bir saatte 360.000 çıktı token'ı anlamına geliyor. Lightning'in çıktı fiyatıyla bu, girdi ücretleri eklenmeden önce yaklaşık 0,86 dolara mal oluyor. Şirketin saatte yaklaşık 1 dolarlık manşet fiyatını açıklayan hesaplama bu.
Standart sürümde saniyede 50 token hızında kesintisiz üretim, saatte 180.000 çıktı token'ı sağlıyor. Daha düşük çıktı hızı ve token fiyatı, girdi maliyetleri eklendiğinde MiniMax'in saatte yaklaşık 0,30 dolarlık işletme maliyeti açıklamasını anlamaya yardımcı oluyor.
Yıl boyunca kesintisiz çalışan dört ajan için yaklaşık 10.000 dolarlık maliyet tahmini, daha ucuz olan saatlik ücrete dayanıyor. Saatte 0,30 dolar üzerinden 8.760 saat çalışan dört ajan 10.512 dolara mal olur. Gerçek harcama, her iş akışının kullandığı girdi ve çıktı miktarının yanı sıra önbelleklemenin sağladığı tasarrufa bağlı.
Lansmanla birlikte yayımlanan fiyat karşılaştırmasında Claude Opus 4.6'nın çıktı token'larının milyonu başına yaklaşık 75 dolar aldığı belirtiliyor. M2.5'in çıktı maliyetleri ise Opus, Gemini 3 Pro ve GPT-5'e kıyasla onda bir ile yirmide bir arasında gösteriliyor. Daha pahalı Batılı sistemlerle yapılan genel M2.5 karşılaştırmasında GPT-5.2 de yer alıyor.
ThursdAI podcast'inin sunucusu Alex Volkov başka bir ölçüm paylaştı: M2.5'in bir SWE-Bench görevini tamamlaması yaklaşık 0,15 dolarlık token kullanımına mal olurken Claude Opus 4.6 için bu tutar yaklaşık 3,00 dolar. Bu rakamlar görev başına yüzde 95 maliyet düşüşüne karşılık geliyor.
Daha düşük harcama, geliştiricilere kapsamlı bağlam sunmak ve daha uzun akıl yürütmeye izin vermek için daha fazla alan açabilir; böylece istemleri kısaltma ve token kullanımını sınırlama baskısını azaltabilir. Ayrıca, yetkin bir modeli normalde daha ucuz ve daha az yetenekli bir sisteme verilebilecek rutin işlerde kullanmayı mali açıdan uygulanabilir hâle getiriyor.
Daha hızlı tamamlama, işletme hesabını değiştiriyor
M2.5'in görevleri baştan sona önceki modeli M2.1'den yüzde 37 daha hızlı tamamladığı belirtiliyor. SWE-Bench Verified'da çalışma süresi 31,3 dakikadan 22,8 dakikaya düştü; böylece Claude Opus 4.6'nın 22,9 dakikalık süresine neredeyse ulaştı.
MiniMax, aynı karşılaştırmada M2.5'in görev başına maliyetinin Opus'un yüzde 10'u olduğunu da belirtiyor. Dolayısıyla ajanları değerlendiren bir işletmenin iki ayrı tasarrufu incelemesi gerekiyor: İş için ödenen tutar ve sonucu almak için gereken süre.
Hız artışı, bir modelin işi diğerine devrettiği iş akışlarında önem taşıyor. Görevlerin daha hızlı tamamlanması, bir ajan hattındaki adımlar arasında bekleme süresini azaltarak bağlı süreçlerin gerçek zamana daha yakın işlemesini sağlayabilir.
Otomatik kod denetimleri de olası kullanım alanlarından biri. Düşük fiyatlar kuruluşların daha fazla kodu incelemesine olanak tanırken modelin kendi altyapılarında çalıştırılması, özel verilerin nerede işlendiğini kontrol etmelerini sağlıyor. Açık ağırlıklı bir modeli barındırmak ayrıca bir altyapı kararı gerektiriyor; çünkü yayımlanan API fiyatları MiniMax'in hizmetini tanımlıyor.
Başka bir lansman ya da bir sonraki resmî değerlendirme için tarih verilmedi. 14 Şubat itibarıyla M2.5'i değerlendiren teknik yöneticilerin önündeki acil karar, özellikle yakın tarihli kodlama testlerinde rakip sistemlerden daha düşük başarı oranları görülen alanlarda, modelin fiyatının, hızının ve performansının gerçek iş yüklerine uygun olup olmadığı.
Çin yapay zekâsında yoğun bir hafta
M2.5, Çin'den gelen başka model lansmanlarıyla aynı dönemde piyasaya çıktı. Zhipu AI, Artificial Analysis Intelligence Index'te Google'ın Gemini 3 Pro modelini geride bırakan GLM-5'i yayımladı. Alibaba robotik için RynnBrain'i tanıttı, ByteDance video üretimi için Seedance 2.0'ı piyasaya sürdü ve Kuaishou da Kling 3.0'ı duyurdu.
MiniMax ve Zhipu AI hisseleri yüzde 10'dan fazla yükselirken Zhipu'nun hisseleri Hong Kong'daki işlemlerde yüzde 30 değer kazandı. Duyuruların aynı dönemde yoğunlaşması, yapay zekânın çeşitli alanlarında rekabet eden Çinli şirketlere ilgiyi yeniden artırdı.
M2.5 lansmanının çevresindeki gelişmeler, yapılan karşılaştırmaları açıklamaya yardımcı oluyor:
- Ocak 2026: SWE-rebench değerlendirmesinde GitHub'dan 48 yeni pull request kullanıldı; M2.5'in sonucu SWE-Bench Verified puanından daha düşük çıktı.
- M2.5'in piyasaya sürülmesinden bir hafta önce: Anthropic, MiniMax'in performans ve fiyat karşılaştırmalarının birçoğunda kullandığı Claude Opus 4.6'yı yayımladı.
- M2.5 duyurusunun yapıldığı hafta: Zhipu AI, Alibaba, ByteDance ve Kuaishou da yeni sistemlerini tanıttı.
- 14 Şubat 2026 itibarıyla: M2.5'in piyasaya çıkması, fiyatlarının açıklanması ve piyasa tepkisi, yetkin yapay zekâyı devreye almanın maliyetine ilişkin tartışmayı keskinleştirdi.
Google DeepMind'ın yöneticisi Demis Hassabis daha önce Çinli modellerin Batılı ürünlerin yalnızca birkaç ay gerisinde olduğunu tahmin etmişti. M2.5'in SWE-Bench Verified'da Opus 4.6 ile neredeyse aynı düzeye ulaşması, Anthropic'in lansmanından kısa süre sonra, bu özel karşılaştırmadaki farkın günlerle ölçülebileceğini düşündürdü. Yeni pull request sonuçları Batılı modelleri önde gösterirken rekabet farkının daraldığı ifade edildi.
MiniMax'in daha kapsamlı iş argümanı, düşük fiyatların yapay zekânın satın alınma biçimini değiştirebileceği yönünde. Şirket, zekâyı "ölçmenin maliyetine değmeyecek kadar ucuz" diye nitelendirerek, kıt yeteneklere pahalı erişim yerine yoğun kullanıma dayalı bir pazara işaret ediyor.
Yüksek API ücretleri alan Batılı yapay zekâ laboratuvarları, rakiplerin güçlü sonuçları çok daha düşük ücretlerle sunmasıyla baskı altında kalıyor. M2.5'in lansmanı bu baskıyı pratik bir hesaba dönüştürüyor: Bir kuruluş kaç görevi otomatikleştirmeyi karşılayabilir, bu görevler ne kadar hızlı tamamlanır ve sonuçlar ne sıklıkta başarılı olur?
Öne Çıkanlar
- M2.5, SWE-Bench Verified'da Claude Opus 4.6'nın 0,6 puan gerisinde kalarak yüzde 80,2 puan aldı; yeni SWE-rebench görevlerindeki puanı ise yüzde 39,6 oldu.
- Standart API fiyatı, saniyede 50 token hızında girdi token'larının milyonu başına 0,15 dolar, çıktı token'larının milyonu başına 1,20 dolar.
- Lightning fiyatı, saniyede 100 token hızında girdi token'larının milyonu başına 0,30 dolar, çıktı token'larının milyonu başına 2,40 dolar.
- Model 230 milyar parametre içeriyor ve belirli bir görev için 10 milyar parametreyi etkinleştiriyor.
- MiniMax, modeli Forge ve CISPO kullanarak 200.000'den fazla ortamda ve 10'dan fazla programlama dilinde eğitti.
- Modelin hedeflenen kullanım alanları arasında yazılım geliştirme, web'de gezinme, Word belgeleri, PowerPoint sunumları ve Excel'de finansal modelleme bulunuyor.
- MiniMax, modelin şirket içindeki görevlerin yüzde 30'unu tamamladığını ve yeni eklenen kodların yüzde 80'ini ürettiğini söylüyor.
- Hugging Face'te yayımlanan model, ticari kullanıcıların MiniMax M2.5 adını belirgin biçimde belirtmesini gerektiren değiştirilmiş bir MIT Lisansı kullanıyor.
- MiniMax hisseleri duyurunun ardından yüzde 11 ila 16 yükseldi ve 680 Hong Kong dolarından kapandı.






