MiniMax: MiniMax M1

MiniMax-M1 — это крупномасштабная модель рассуждения с открытым весом, предназначенная для расширенного контекста и высокоэффективного вывода. Он использует гибридную архитектуру Mixture-of-Experts (MoE) в сочетании со специальным механизмом «молниеносного внимания», что позволяет ему обрабатывать длинные последовательности — до 1 миллиона токенов — сохраняя при этом конкурентоспособную эффективность FLOP. Имея 456 миллиардов общих параметров и 45,9 миллиардов активных на токен, этот вариант оптимизирован для сложных многоэтапных задач рассуждения. Обученный с помощью специального конвейера обучения с подкреплением (CISPO), M1 преуспевает в понимании длительного контекста, разработке программного обеспечения, использовании агентских инструментов и математических рассуждениях. Тесты показывают высокую производительность в FullStackBench, SWE-bench, MATH, GPQA и TAU-Bench, часто превосходя другие открытые модели, такие как DeepSeek R1 и Qwen3-235B.