MiniMax‑M1Modelo de raciocínio em larga escala de código aberto com contexto de 1 milhão de tokens e arquitetura híbrida Mixture-of-Experts.

MiniMax-M1 é um modelo de raciocínio híbrido de atenção de grande escala e open-weight. Ele funciona com uma arquitetura híbrida Mixture-of-Experts (MoE) combinada a um mecanismo de lightning attention, permitindo escalar de forma eficiente o compute em tempo de inferência. O modelo suporta nativamente um comprimento de contexto de 1 milhão de tokens e foi treinado usando reinforcement learning (RL) em larga escala em problemas diversificados. Ele supera outros modelos fortes de open-weight em tarefas complexas de engenharia de software, uso de ferramentas e contextos longos. Experimentos em benchmarks padrão mostram que o MiniMax‑M1 supera outros modelos em tarefas de categoria, como matemática, programação, engenharia de software, uso de ferramentas agente e compreensão de contexto longo. O modelo é particularmente adequado para tarefas complexas que exigem o processamento de entradas longas e um pensamento aprofundado. MiniMax-M1 serve como uma base robusta para agentes de modelos de linguagem de próxima geração, para raciocinar e enfrentar desafios do mundo real. A comparação de desempenho em benchmark dos principais modelos comerciais e de código aberto em diferentes tarefas de categoria destaca o desempenho do modelo. O relatório técnico fornece mais informações sobre a arquitetura do modelo, o protocolo de treinamento e os resultados de avaliação.