MiniMax: MiniMax M1

MiniMax-M1 ist ein hochmodernes, Open-Weight-Argumentationsmodell, das für außergewöhnliche Leistung mit erweiterten Kontexten und hocheffizienter Inferenz entwickelt wurde. Es verwendet eine hybride Mixture-of-Experts (MoE)-Architektur in Kombination mit einem benutzerdefinierten "lightning attention"-Mechanismus, der es ihm ermöglicht, Sequenzen von bis zu 1 Million Token zu verarbeiten, während eine wettbewerbsfähige FLOP-Effizienz beibehalten wird. Mit 456 Milliarden Gesamtparametern und 45,9 Milliarden aktiven pro Token ist diese Variante speziell für komplexe, mehrstufige Argumentationsaufgaben optimiert. Trainiert über eine benutzerdefinierte Reinforcement-Learning-Pipeline (CISPO) zeigt M1 überlegene Fähigkeiten im Langkontextverständnis, in der Softwareentwicklung, bei der Verwendung von Agenten-Tools und in der mathematischen Argumentation. Benchmarks zeigen durchweg starke Leistungen in FullStackBench, SWE-bench, MATH, GPQA und TAU-Bench und übertreffen oft andere offene Modelle wie DeepSeek R1 und Qwen3-235B. Es unterstützt Funktionen und Streaming, was es vielseitig für verschiedene Anwendungen macht. Mit einem Kontextfenster von 1000K Token und einer maximalen Ausgabe von 4K Token bietet es umfangreiche Verarbeitungsmöglichkeiten. Die Preisgestaltung ist mit $0.40/2.20 pro 1M Token (Eingabe/Ausgabe) für PRO-Zugang wettbewerbsfähig.