MiniMax merilis model penalaran hybrid-attention MiniMax-M1 dengan bobot terbuka

MiniMax telah merilis MiniMax-M1, model penalaran hybrid-attention skala besar berbobot terbuka pertama di dunia yang menampilkan arsitektur Mixture-of-Experts dan mekanisme perhatian kilat. Model ini secara native mendukung panjang konteks hingga 1 juta token dan dilatih menggunakan pembelajaran penguatan pada beragam masalah termasuk teknik perangkat lunak.

• MiniMax-M1 memiliki 456 miliar parameter dengan 45,9 miliar diaktifkan per token, menawarkan ukuran konteks 8x lipat dari DeepSeek R1.
• Model ini hanya mengonsumsi 25% FLOPs dibandingkan DeepSeek R1 pada panjang generasi 100K token.
• Dua versi tersedia dengan anggaran berpikir 40K dan 80K, dengan varian M1-80k mengungguli model seperti Qwen3-235B pada tugas-tugas kompleks.
• Rilis ini mencakup instruksi penggunaan untuk pustaka seperti Transformers, vLLM, dan SGLang, bersama gambar Docker untuk penempatan lokal.

MiniMax-M1 berfungsi sebagai fondasi bagi agen model bahasa generasi berikutnya untuk menalar dan mengatasi tantangan dunia nyata melalui penskalaan komputasi saat pengujian yang efisien.