MiniMax‑M11,000,000 토큰 컨텍스트를 가진 오프소스 대규모 사고 모델로, Mixture-of-Experts 아키텍처와 혼합되어 있습니다.

MiniMax-M1은 개방된 가중치, 대규모 혼합 집중 추론 모델입니다. lightning 집중 메커니즘과 Hybrid Mixture-of-Experts(HMoE) architcture가 결합된 MoE ARCHITECTURE를 통해 테스트 시에 컴퓨팅 성능 향상이 가능합니다. 1,000,000개의 토큰을 포함하는 콘텍스트를 지원하고 있으며,RL(reinforcement learning)으로 훈련된 다양한 문제 해결을 지원합니다. 개방된 가중치의 강력한 모델 중에서도 복잡한 소프트웨어 엔지니리즘, 툴 사용, 그리고 긴 콘텍스트 태스크에서는 MiniMax-M1이 다른 모델을 우수하게 수행합니다. 표준 벤치마크에 대한 실험 결과 MiniMax-M1은 수학, 프로그래밍, 소프트웨어 엔지니어링, 수동 도구 사용, 및 긴 문맥 이해와 같은 카테고리 태스크에서 다른 모델을 뛰어넘는 성능을 보인다. 이 모델은 매우 복잡한 작업을 처리하고 장기간에 걸친 심각한 사고가 필요할 때 특히 적합합니다. 이러한 작업에는 긴 입력 값이 포함될 수 있으며, MiniMax-M1는 이러한 요구에 부응하여 효율적으로 처리할 수 있습니다. MiniMax-M1은 다음 유전자 성장 언어 모델 에이전트에 대한 강력한 기초를 제공하여 현실 세계의 어려움에 대처하기 위해 사고하고 해결할 수 있습니다. 리드 커미싱 및 오픈 웨이트 모델의 다양한 카테고리 태스크에서 성능 비교를 통해 모델의 성능을 확인하실 수 있습니다. 기술 보고서는 모델의 구조, 교육 규약 및 평가 결과에 대한 더 많은 정보를 제공합니다.