MiniMax‑M1Öppen-sourceskalmångsidigt resonemangmodell med 1 miljon-tokencontext och hybrid Mixture-of-Experts-arkitektur

MiniMax-M1 är ett öppen-vikt, storskaligt hybrid-uppmärksamhetsförfarande för resonemang. Det drivs av en hybrid Mixture-of-Experts (MoE) arkitektur kombinerad med en ljusning uppmärksamhet mekanism, vilket möjliggör effektiv skalning av test-tid beräkningar. Modellen stöder nativt kontextlängd på 1 miljon tecken och tränas genom storskalig styrketräningslära (RL) på mångsidiga problem. Det presterar bättre än andra starka öppen-viktmodeller på komplexa programvaruutvecklings-, verktygsbaserade och långsam-kontextuppgifter. Experimenterna på befintliga standardnivåbrytningar visar att MiniMax-M1 överträffar andra modeller i kategoriuppgifter som till exempel matematik, programmering, mjukvaruutveckling, agentytlig verktygsanvändning och långkontextförståelse. Modellen är särskilt lämplig för komplexa uppgifter som kräver bearbetning av långa indata samt omfattande tankesätt. MiniMax-M1 fungerar som en solid grund för nästa generations språkmodellagenter för att resonera och tackla verkliga utmaningar. Prestand jämförelsen av kommersiella och öppenhjulmodeller i ledande benchmarkprogram visar upp modelens prestanda över olika aktivitetsuppgifter. Den tekniske rapporten ger mer information om modellens arkitektur, träningsschema och utvärderingsresultat.