MiniMax M1

MiniMax-M1 是一个大规模、开放权重的推理模型，专为长上下文和高效率推理而设计。它采用混合专家（MoE）架构，并搭配自定义的“闪电注意力”机制，能够处理长达 100 万 token 的序列，同时保持具有竞争力的 FLOP 效率。该变体总参数达 4560 亿，每个 token 激活 459 亿参数，针对复杂多步推理任务进行了优化。

通过自定义强化学习流水线（CISPO）训练，M1 在长上下文理解、软件工程、智能体工具使用和数学推理方面表现出色。基准测试显示，它在 FullStackBench、SWE-bench、MATH、GPQA 和 TAU-Bench 上均有强劲表现，通常优于 DeepSeek R1 和 Qwen3-235B 等其他开放模型。