MiniMax‑M1Modelo de razonamiento a gran escala de código abierto con 1.000.000 de tokens en el contexto y arquitectura híbrida de Mixture-of-Experts.

MiniMax-M1 es un modelo de razonamiento híbrido de gran escala y peso abierto. Está impulsado por una arquitectura híbrida de Mixture-of-Experts (MoE) combinada con un mecanismo de atención relámpago, lo que permite una escalabilidad eficiente de la computación en tiempo de prueba. El modelo admite de forma nativa una longitud de contexto de 1 millón de tokens y se entrena mediante aprendizaje por refuerzo (RL) a gran escala en diversos problemas. Supera a otros modelos de peso abierto fuertes en tareas complejas de ingeniería de software, uso de herramientas y contextos largos. Los experimentos en benchmarks estándar muestran que MiniMax-M1 supera a otros modelos en tareas de categoría como matemáticas, codificación, ingeniería de software, uso de herramientas agénicas y comprensión de contexto largo. El modelo es particularmente adecuado para tareas complejas que requieren procesar entradas largas y pensar de manera extensiva. MiniMax-M1 sirve como una base sólida para que los agentes de modelos de lenguaje de próxima generación razonen y afronten desafíos del mundo real. La comparación de rendimiento de referencia de los modelos comerciales líderes y de peso abierto en diferentes tareas de categoría destaca el rendimiento del modelo. El informe técnico proporciona más información sobre la arquitectura del modelo, el protocolo de entrenamiento y los resultados de la evaluación.