MiniMax-M1

MiniMax-M1 – MiniMax最新開源的推理模型

MiniMax-M1

MiniMax-M1 是 MiniMax 團隊最新發(fā)布的開源推理模型，融合了混合專家架構(gòu)（MoE）和閃電注意力機制（lightning attention），總參數(shù)量高達 4560 億，每個 token 激活 459 億參數(shù)。該模型性能超越國內(nèi)閉源模型，接近國際領(lǐng)先水平，并具備極高的性價比。它原生支持 100 萬 token 的上下文長度，提供 40K 和 80K 兩種推理預算版本，特別適合處理長文本和復雜推理任務。MiniMax-M1 在復雜軟件工程、長上下文理解和工具使用等領(lǐng)域表現(xiàn)出色，是構(gòu)建下一代語言模型代理的強大基石。

探索 MiniMax-M1：釋放 AI 推理潛能

MiniMax-M1，由 MiniMax 團隊精心打造，是一款革新性的開源推理模型。它匯集了混合專家架構(gòu)（MoE）和閃電注意力機制（lightning attention）的優(yōu)勢，實現(xiàn)了卓越的性能和效率。憑借 4560 億的總參數(shù)量，以及每個 token 激活 459 億參數(shù)的強大能力，MiniMax-M1 在性能上已然比肩國際頂尖模型，同時保持了極具競爭力的成本效益。

核心功能一覽

超長文本處理能力： 支持高達 100 萬 token 的輸入，輸出長度可達 8 萬 token，輕松應對長篇文檔和復雜推理需求。
靈活的推理預算： 提供 40K 和 80K 兩種推理預算版本，優(yōu)化計算資源利用，降低推理成本。
多任務卓越表現(xiàn)： 在數(shù)學推理、軟件工程、長上下文理解和工具使用等多個領(lǐng)域均有出色表現(xiàn)，適應多元應用場景。
強大的工具調(diào)用： 具備結(jié)構(gòu)化功能調(diào)用能力，能夠識別并輸出外部函數(shù)調(diào)用參數(shù)，實現(xiàn)與外部工具的無縫交互。

技術(shù)解析：MiniMax-M1 的幕后功臣

混合專家架構(gòu) (MoE)： 采用 MoE 架構(gòu)，將模型細分為多個專家模塊（Experts），每個模塊專注于處理特定的子任務或數(shù)據(jù)子集。這種設計使得輸入數(shù)據(jù)可以根據(jù)其特征動態(tài)地分配給不同的專家模塊，從而實現(xiàn)高效的計算資源利用和并行處理。MoE 架構(gòu)幫助模型在保持大規(guī)模參數(shù)的同時，仍然能夠高效地執(zhí)行計算，并支持更復雜的任務。
閃電注意力機制 (Lightning Attention)： 閃電注意力機制通過優(yōu)化計算流程，減少冗余計算，顯著提升注意力模塊的效率。它利用稀疏注意力模式，重點關(guān)注輸入序列中的關(guān)鍵部分，進一步降低計算復雜度。這項技術(shù)使得 MiniMax-M1 能夠高效地處理長序列數(shù)據(jù)，支持模型處理長達 100 萬 token 的上下文。
大規(guī)模強化學習 (RL) 訓練： 模型經(jīng)過大規(guī)模強化學習訓練，基于獎勵信號優(yōu)化輸出，提升在復雜任務中的表現(xiàn)。創(chuàng)新性地采用了新的 RL 算法 CISPO，該算法基于裁剪重要性采樣權(quán)重而非 token 更新，從而提高了訓練效率和模型性能。混合注意力設計自然地增強了 RL 的效率，解決了混合架構(gòu)在擴展 RL 方面的獨特挑戰(zhàn)。

性能展示：MiniMax-M1 的實力印證

軟件工程領(lǐng)域： 在 SWE-bench 驗證基準測試中，MiniMax-M1-40k 和 MiniMax-M1-80k 分別取得了 55.6% 和 56.0% 的成績，略遜于 DeepSeek-R1-0528 的 57.6%，但顯著優(yōu)于其他開源模型。
長文本理解任務： 憑借其百萬級上下文窗口，M1 系列在長文本理解任務中表現(xiàn)卓越，全面超越所有開源模型，甚至超越 OpenAI o3 和 Claude 4 Opus，全球排名第二，僅以微弱差距落后于 Gemini 2.5 Pro。
工具使用場景： 在代理工具使用場景（TAU-bench）中，MiniMax-M1-40k 領(lǐng)跑所有開源模型，戰(zhàn)勝 Gemini-2.5 Pro。

探索 MiniMax-M1：資源鏈接

GitHub 倉庫： https://github.com/MiniMax-AI/MiniMax-M1
HuggingFace 模型庫： https://huggingface.co/collections/MiniMaxAI/minimax-m1
技術(shù)論文： https://github.com/MiniMax-AI/MiniMax-M1/blob/main/MiniMax_M1_tech_report

定價策略：靈活、經(jīng)濟的推理方案

API 調(diào)用推理成本：
- 0-32k 輸入長度：
  - 輸入：0.8 元/百萬 token。
  - 輸出：8 元/百萬 token。
- 32k-128k 輸入長度：
  - 輸入：1.2 元/百萬 token。
  - 輸出：16 元/百萬 token。
- 128k-1M 輸入長度：
  - 輸入：2.4 元/百萬 token。
  - 輸出：24 元/百萬 token。
APP 和 Web 端： 在 MiniMax APP 和 Web 平臺上，用戶可以免費無限制地使用 MiniMax-M1。