277 lines
7.5 KiB
Markdown
277 lines
7.5 KiB
Markdown
# DGX Sparkで最新LLM「MiniMax-M2.5-REAP-172B」を動かしてみた
|
||
|
||
## はじめに
|
||
|
||
NVIDIA DGX Sparkは、デスクトップサイズでありながら最大200Bパラメータ（デュアル構成で405B）のAIモデルを動かせる小型AIワークステーションです。今回は、2026年2月にリリースされたばかりの最新モデル「**MiniMax-M2.5-REAP-172B-A10B**」をDGX Sparkデュアル構成（256GB統合メモリ）で動かす手順を紹介します。
|
||
|
||
---
|
||
|
||
## MiniMax-M2.5-REAP-172Bとは？
|
||
|
||
MiniMax-M2.5は、中国MiniMax社が開発したコーディング・エージェント特化のMixture-of-Experts（MoE）モデルです。Cerebras社がREAP（Router-weighted Expert Activation Pruning）技術を適用し、オリジナルの230Bパラメータから172Bに軽量化したものが本モデルです。
|
||
|
||
### スペック
|
||
|
||
| 項目 | 値 |
|
||
|------|-----|
|
||
| 総パラメータ数 | 172B |
|
||
| アクティブパラメータ数 | 10B/トークン |
|
||
| レイヤー数 | 62 |
|
||
| エキスパート数 | 192（256から25%削減）|
|
||
| コンテキスト長 | 196,608トークン |
|
||
| ライセンス | Modified MIT |
|
||
|
||
### なぜREAP版がおすすめ？
|
||
|
||
- **ほぼ無劣化で25%軽量化**: HumanEval等のベンチマークでオリジナルと同等性能
|
||
- **vLLMネイティブ対応**: パッチ不要でそのまま動く
|
||
- **256GBメモリで十分動作**: オリジナル230B版では厳しいVRAM要件をクリア
|
||
|
||
---
|
||
|
||
## 動作環境
|
||
|
||
### DGX Spark デュアル構成
|
||
|
||
| 項目 | スペック |
|
||
|------|----------|
|
||
| アーキテクチャ | NVIDIA Grace Blackwell (GB10) |
|
||
| GPU | Blackwell GPU × 2 |
|
||
| メモリ | 256GB統合メモリ（LPDDR5x）|
|
||
| ストレージ | 4TB NVMe × 2 |
|
||
| ネットワーク | ConnectX-7 (クラスタ間接続) |
|
||
|
||
※ 単体構成（128GB）の場合は、より小さいREAP-139B版か量子化版を検討してください。
|
||
|
||
---
|
||
|
||
## 環境構築
|
||
|
||
### 1. システムアップデート
|
||
|
||
```bash
|
||
sudo apt update && sudo apt upgrade -y
|
||
```
|
||
|
||
### 2. Python環境の準備
|
||
|
||
```bash
|
||
# Python 3.11推奨
|
||
sudo apt install python3.11 python3.11-venv python3-pip -y
|
||
|
||
# 仮想環境作成
|
||
python3.11 -m venv ~/minimax-env
|
||
source ~/minimax-env/bin/activate
|
||
```
|
||
|
||
### 3. vLLMのインストール
|
||
|
||
```bash
|
||
# nightlyビルド推奨（最新モデル対応）
|
||
pip install -U vllm --extra-index-url https://wheels.vllm.ai/nightly
|
||
|
||
# または検証済みバージョン
|
||
export VLLM_COMMIT=dea63512bb9bdf7521d591546c52138d9d79e8ce
|
||
pip install vllm \
|
||
--torch-backend=auto \
|
||
--extra-index-url https://wheels.vllm.ai/${VLLM_COMMIT}
|
||
```
|
||
|
||
### 4. 関連パッケージ
|
||
|
||
```bash
|
||
pip install transformers accelerate huggingface_hub
|
||
```
|
||
|
||
---
|
||
|
||
## モデルのダウンロード
|
||
|
||
### Hugging Face CLIでダウンロード
|
||
|
||
```bash
|
||
# ログイン（初回のみ）
|
||
huggingface-cli login
|
||
|
||
# モデルダウンロード（約330GB、時間かかります）
|
||
huggingface-cli download cerebras/MiniMax-M2.5-REAP-172B-A10B \
|
||
--local-dir ~/models/MiniMax-M2.5-REAP-172B-A10B
|
||
```
|
||
|
||
### ダウンロード時間の目安
|
||
|
||
| 回線速度 | 所要時間 |
|
||
|---------|---------|
|
||
| 1Gbps | 約45分 |
|
||
| 10Gbps | 約5分 |
|
||
|
||
---
|
||
|
||
## モデルの起動
|
||
|
||
### 基本起動コマンド（デュアル構成・256GB）
|
||
|
||
```bash
|
||
vllm serve cerebras/MiniMax-M2.5-REAP-172B-A10B \
|
||
--tensor-parallel-size 2 \
|
||
--tool-call-parser minimax_m2 \
|
||
--reasoning-parser minimax_m2_append_think \
|
||
--trust-remote-code \
|
||
--enable-auto-tool-choice \
|
||
--max-model-len 65536 \
|
||
--gpu-memory-utilization 0.90
|
||
```
|
||
|
||
### パラメータ解説
|
||
|
||
| パラメータ | 説明 |
|
||
|-----------|------|
|
||
| `--tensor-parallel-size 2` | 2台のSparkでテンソル並列 |
|
||
| `--tool-call-parser minimax_m2` | MiniMax専用ツールコールパーサー |
|
||
| `--reasoning-parser minimax_m2_append_think` | thinking出力を履歴に保持 |
|
||
| `--max-model-len 65536` | 最大コンテキスト長（64K）|
|
||
| `--gpu-memory-utilization 0.90` | メモリ使用率上限 |
|
||
|
||
### メモリ節約版（長文不要な場合）
|
||
|
||
```bash
|
||
vllm serve cerebras/MiniMax-M2.5-REAP-172B-A10B \
|
||
--tensor-parallel-size 2 \
|
||
--tool-call-parser minimax_m2 \
|
||
--reasoning-parser minimax_m2_append_think \
|
||
--trust-remote-code \
|
||
--enable-auto-tool-choice \
|
||
--max-model-len 16384 \
|
||
--max-num-seqs 32 \
|
||
--gpu-memory-utilization 0.85
|
||
```
|
||
|
||
---
|
||
|
||
## 動作確認
|
||
|
||
### OpenAI互換APIでテスト
|
||
|
||
```bash
|
||
curl http://localhost:8000/v1/chat/completions \
|
||
-H "Content-Type: application/json" \
|
||
-d '{
|
||
"model": "cerebras/MiniMax-M2.5-REAP-172B-A10B",
|
||
"messages": [
|
||
{"role": "user", "content": "Pythonでフィボナッチ数列を生成する関数を書いて"}
|
||
],
|
||
"temperature": 1.0,
|
||
"top_p": 0.95,
|
||
"top_k": 40
|
||
}'
|
||
```
|
||
|
||
### Pythonクライアント
|
||
|
||
```python
|
||
from openai import OpenAI
|
||
|
||
client = OpenAI(
|
||
base_url="http://localhost:8000/v1",
|
||
api_key="dummy" # vLLMはAPIキー不要
|
||
)
|
||
|
||
response = client.chat.completions.create(
|
||
model="cerebras/MiniMax-M2.5-REAP-172B-A10B",
|
||
messages=[
|
||
{"role": "user", "content": "SWE-benchスタイルのバグ修正タスクをシミュレートして"}
|
||
],
|
||
temperature=1.0,
|
||
top_p=0.95
|
||
)
|
||
|
||
print(response.choices[0].message.content)
|
||
```
|
||
|
||
---
|
||
|
||
## パフォーマンスチューニング
|
||
|
||
### 推奨設定
|
||
|
||
```bash
|
||
# 環境変数でCUDAグラフ最適化
|
||
export VLLM_ATTENTION_BACKEND=FLASHINFER
|
||
|
||
# DeepGEMMを有効化（要インストール）
|
||
./tools/install_deepgemm.sh
|
||
```
|
||
|
||
### 期待されるスループット
|
||
|
||
| 設定 | Input/Output | スループット |
|
||
|------|-------------|-------------|
|
||
| TP=2, 64K context | 2048/1024 | ~100 tok/s |
|
||
| TP=2, 16K context | 2048/1024 | ~150 tok/s |
|
||
|
||
※ 実測値は環境により変動します
|
||
|
||
---
|
||
|
||
## トラブルシューティング
|
||
|
||
### OOM（メモリ不足）エラー
|
||
|
||
```bash
|
||
# 対策1: シーケンス数を減らす
|
||
--max-num-seqs 32
|
||
|
||
# 対策2: コンテキスト長を短く
|
||
--max-model-len 16384
|
||
|
||
# 対策3: メモリ使用率を下げる
|
||
--gpu-memory-utilization 0.80
|
||
```
|
||
|
||
### CUDA illegal memory access エラー
|
||
|
||
```bash
|
||
# CUDAグラフモードを変更
|
||
--compilation-config "{\"cudagraph_mode\": \"PIECEWISE\"}"
|
||
```
|
||
|
||
### 出力が文字化け/破損する
|
||
|
||
```bash
|
||
# vLLMを最新のnightlyに更新
|
||
pip install -U vllm --extra-index-url https://wheels.vllm.ai/nightly
|
||
```
|
||
|
||
---
|
||
|
||
## 重要な注意点
|
||
|
||
### Thinkingトークンの扱い
|
||
|
||
MiniMax-M2.5は **interleaved thinking model** です。出力に含まれる `<think>...</think>` タグは、履歴として次のリクエストに含める必要があります。
|
||
|
||
```python
|
||
# ❌ NGパターン：thinkingを削除
|
||
content = response.replace(r'<think>.*?</think>', '')
|
||
|
||
# ✅ OKパターン：そのまま保持
|
||
history.append({"role": "assistant", "content": response})
|
||
```
|
||
|
||
---
|
||
|
||
## まとめ
|
||
|
||
DGX Sparkデュアル構成（256GB）があれば、最新のMiniMax-M2.5-REAP-172Bが快適に動作します。オープンソースモデルとしてはトップクラスのコーディング・エージェント性能を持つこのモデル、ぜひ試してみてください。
|
||
|
||
### 参考リンク
|
||
|
||
- [MiniMax-M2.5-REAP-172B (Hugging Face)](https://huggingface.co/cerebras/MiniMax-M2.5-REAP-172B-A10B)
|
||
- [MiniMax-M2 公式リポジトリ (GitHub)](https://github.com/MiniMax-AI/MiniMax-M2)
|
||
- [vLLM MiniMax-M2 デプロイガイド](https://docs.vllm.ai/projects/recipes/en/latest/MiniMax/MiniMax-M2.html)
|
||
- [REAP論文 (arXiv)](https://arxiv.org/abs/2510.13999)
|
||
|
||
---
|
||
|
||
*この記事は2026年2月時点の情報です。最新情報は各公式ドキュメントをご確認ください。*
|