MiniMax-M1-80k 現已在 SiliconFlow 上可用

2025年6月17日

混合注意力 + MoE 架構 M1 將專家混合路由的效率與閃電注意力的深度結合，讓其在擴展的同時保持長序列推理質量。
最佳化用於代理和工具 支持擴展上下文和強大的推理能力，M1非常適合於自主代理、文檔分析和沙盒軟件開發等應用。
數學、編碼和推理 基準測試顯示，M1在需要符號推理、結構化輸出和複雜指令遵循的任務中表現競爭。

快速開始

在SiliconFlow平台上試用MiniMax-M1-80k模型。

快速訪問API

以下Python示例演示如何通過SiliconFlow的API端點調用MiniMax-M1-80k模型。提供更詳細的API規格供開發者使用。

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
)