MiniMax‑M1Μοντέλο λογικής μεγάλης κλίμακας ανοιχτού κώδικα με 1 εκατομμύριο τoken και υβριδική αρχιτεκτονική Mixture‑of‑Experts

Το MiniMax-M1 είναι ένα ανοιχτού βάρος, μεγάλης κλίμακας μοντέλο λογικής με υβριδική προσοχή. Χρησιμοποιεί μια υβριδική αρχιτεκτονική Mixture-of-Experts (MoE) σε συνδυασμό με έναν μηχανισμό «lightning attention», επιτρέποντας αποδοτική κλιμάκωση του υπολογισμού κατά τη διάρκεια δοκιμής. Το μοντέλο υποστηρίζει εγγενώς ένα μήκος συμφραζομένων 1 εκατομμύριο tokens και έχει εκπαιδευτεί με μεγάλης κλίμακας ενισχυτική μάθηση (RL) σε ποικίλα προβλήματα. Διαπρέπει έναντι άλλων ισχυρών ανοιχτού βάρος μοντέλων σε σύνθετες εργασίες μηχανικής λογισμικού, χρήσης εργαλείων και μακρές συμφραζόμενες εργασίες. Πειράματα σε τυπικά benchmarks δείχνουν ότι το MiniMax-M1 υπερβαίνει άλλα μοντέλα σε κατηγορίες εργασιών όπως η μαθηματική, η κωδικοποίηση, η μηχανική λογισμικού, η χρήση εργαλείων με agentic χαρακτήρα και η κατανόηση μεγάλου συμφραζομένου. Το μοντέλο είναι ιδιαίτερα κατάλληλο για σύνθετες εργασίες που απαιτούν επεξεργασία μακρών εισόδων και εκτενή σκέψη. Το MiniMax-M1 λειτουργεί ως ισχυρή βάση για τους agents επόμενης γενιάς μοντέλων γλώσσας ώστε να συλλογίζονται και να αντιμετωπίζουν προκλήσεις του πραγματικού κόσμου. Η σύγκριση των αποτελεσμάτων benchmark των κορυφαίων εμπορικών και ανοιχτού βάρους μοντέλων σε διάφορες εργασίες κατηγορίας αναδεικνύει την απόδοση του μοντέλου. Η τεχνική αναφορά παρέχει περισσότερες πληροφορίες για την αρχιτεκτονική του μοντέλου, το πρωτόκολλο εκπαίδευσης και τα αποτελέσματα αξιολόγησης.