MiniMax ha presentado MiniMax-M1, el primer modelo de razonamiento a gran escala con atención híbrida y pesos abiertos del mundo. Basado en su arquitectura previa MiniMax-Text-01, combina un diseño de Mezcla de Expertos (MoE) con un mecanismo de atención ultrarrápido para admitir un contexto de 1 millón de tokens y una escalificación eficiente del cómputo durante la inferencia.
El modelo cuenta con 456 mil millones de parámetros totales, con 45.9 mil millones activados por token, consumiendo solo el 25% de los FLOPs de DeepSeek R1 en una longitud de generación de 100K. Fue entrenado utilizando aprendizaje por refuerzo a gran escala y dos nuevas versiones con presupuestos de pensamiento de 40K y 80K. Los experimentos muestran que supera a modelos como DeepSeek-R1 y Qwen3-235B en tareas complejas de ingeniería de software, uso de herramientas y contextos largos.
MiniMax-M1 sirve como base para agentes de modelos de lenguaje de próxima generación al permitir un razonamiento eficiente sobre entradas largas y procesos de pensamiento extensos.