MiniMax-M1-80kはSiliconFlowで利用可能になりました

2025/06/17

最先端のエキスパートミックス（MoE）アーキテクチャとライトニングアテンションで構築されたMiniMax-M1-80kは、長いコンテキストの推論、プログラミングタスク、および複数ステップのツール使用において、最先端のパフォーマンスを達成します。

ハイブリッドアテンション + MoEアーキテクチャ M1は、エキスパートミックスのルーティングの効率とライトニングアテンションの深さを統合し、長いシーケンスにおける推論品質を維持しながらスケールすることを可能にします。
エージェントとツールに最適化 拡張コンテキストのサポートと強力な推論により、M1は自律エージェント、ドキュメント分析、およびサンドボックス化されたソフトウェア開発などのアプリケーションに理想的です。
数学、コーディング、推論 ベンチマークは、M1がシンボリック推論、構造化Output、および複雑な指示に従うタスクにおいてトップ級のModelと競争力のあるパフォーマンスを示していることを示しています。

クイックスタート

MiniMax-M1-80k ModelをSiliconFlow Playgroundで試してください。

APIへのクイックアクセス

以下のPythonの例は、SiliconFlowのAPIエンドポイントを介してMiniMax-M1-80k Modelを呼び出す方法を示しています。開発者向けの詳細なAPI仕様があります。

from openai import OpenAI

url = 'https://api.siliconflow.com/v1/'
api_key = 'your api_key'

client = OpenAI(
    base_url=url,
    api_key=api_key
)

# Send a request with streaming output
content = ""
reasoning_content = ""
messages = [
    {"role": "user", "content": "Who are the legendary athletes of the Olympics?"}
]
response = client.chat.completions.create(
    model="MiniMaxAI/MiniMax-M1-80k",
    messages=messages,
    stream=True,  # Enable streaming output
    max_tokens=4096,
    extra_body={
        "thinking_budget": 1024
    }
)
# Gradually receive and process the response
for chunk in response:
    if chunk.choices[0].delta.content:
        content += chunk.choices[0].delta.content
    if chunk.choices[0].delta.reasoning_content:
        reasoning_content += chunk.choices[0].delta.reasoning_content

# Round 2
messages.append({"role": "assistant", "content": content})
messages.append({'role': 'user', 'content': "Continue"})
response = client.chat.completions.create(
    model="MiniMaxAI/MiniMax-M1-80k",
    messages=messages,
    stream=True
)