MiniMax‑M1Open‑Source Large‑Scale‑Reasoning‑Modell mit 1 Million Token Kontext und hybrider Mixture‑of‑Experts-Architektur.

MiniMax‑M1 ist ein Open‑Weight, Large‑Scale Hybrid‑Attention Reasoning‑Modell. Es wird von einer hybriden Mixture‑of‑Experts (MoE) Architektur unterstützt, die mit einem lightning‑Attention‑Mechanismus kombiniert ist, wodurch eine effiziente Skalierung der Berechnungen zur Laufzeit ermöglicht wird. Das Modell unterstützt nativ einen Kontextlänge von 1 Million Tokens und wird mittels groß angelegten Reinforcement Learning (RL) auf diversen Problemen trainiert. Es übertrifft andere starke Open‑Weight‑Modelle in komplexen Software‑Engineering‑, Tool‑Verwendungs‑ und Langkontext‑Aufgaben. Experimente an Standard‑Benchmarks zeigen, dass MiniMax‑M1 andere Modelle in Aufgabenbereichen wie Mathematik, Coding, Software‑Engineering, agentischer Tool‑Nutzung und Langkontext‑Verständnis übertrifft. Das Modell ist besonders geeignet für komplexe Aufgaben, die die Verarbeitung langer Eingaben und umfangreichen Denkprozesses erfordern. MiniMax‑M1 dient als starke Basis für nächste‑Generation‑Sprachmodell‑Agenten, um zu reasonen und reale Herausforderungen anzugehen. Der Vergleich der Benchmark‑Leistung führender kommerzieller und Open‑Weight‑Modelle über verschiedene Aufgabenbereiche hebt die Leistung des Modells hervor. Der technische Bericht liefert weitere Informationen zur Architektur, zum Trainingsprotokoll und zu den Evaluationsresultaten.