关于MiniMax-M1-80k
MiniMax-M1 是一种开放权重、大规模混合注意力推理模型，拥有 456 B 参数，每个 token 激活 45.9 B。它本身支持 1 M-token 上下文，闪电注意力使得与 DeepSeek R1 在 100 K tokens 时相比节省 75% 的 FLOPs，并采用 MoE 架构。使用 CISPO 和混合设计进行高效 RL 训练，在长输入推理和现实世界软件工程任务上实现了最先进的性能。
探索 MiniMax-M1-80k 的 1M-token 上下文和高级推理如何应对复杂的实际挑战，涉及多个领域。
科学发现加速
通过分析大量数据集，加速研究，生成并验证复杂的证明，并以深入的、逐步的推理方式起草技术论文。
用例示例：
"帮助基因组研究人员通过分析 500k 行测序数据识别新的基因相互作用，缩短分析时间数周，并建议新的实验途径。"
高级软件工程
不仅仅是调试，MiniMax-M1-80k 分析整个代码库，识别架构缺陷，提出安全增强建议，并通过深度算法理解优化性能。
用例示例：
"通过推理并发执行路径，识别大型 Python 数据处理管道中的关键竞争条件，提供精确的修复方案，提高数据完整性和吞吐量。"
深度金融与市场情报
对广泛的财务报告和市场数据（1M tokens）进行多步骤定量分析，推断因果关系，生成详细的可行战略建议。
用例示例：
"分析目标公司过去五年的财务报表、市场新闻和监管文件（超过 500k tokens），撰写全面的并购尽职调查报告，突出隐性风险和协同机会。"
综合系统与合同审计
利用 AI 审计复杂系统，从法律合同到工程图纸，通过推理逻辑依赖关系，识别不一致性，并标记潜在漏洞或合规问题。
用例示例：
"审核复杂的云基础设施配置（Terraform 文件、网络策略、IAM 角色）以满足多租户 SaaS 平台，识别多个安全配置错误和行业标准合规差距。"
元数据
规格
州
Deprecated
建筑
校准的
是
专家混合
是
总参数
456B
激活的参数
45.9B
推理
不
精度
FP8
上下文长度
131K
最大输出长度
131K
与其他模型进行比较
看看这个模型与其他模型相比表现如何。
MiniMaxAI
chat
MiniMax-M2.5
发行日期：2026年2月15日
上下文长度：
197K
最大输出长度：
131K
Input:
$
0.3
/ M Tokens
Output:
$
1.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M2.1
发行日期：2025年12月23日
上下文长度：
197K
最大输出长度：
131K
Input:
$
0.29
/ M Tokens
Output:
$
1.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M2
发行日期：2025年10月28日
上下文长度：
197K
最大输出长度：
131K
Input:
$
0.3
/ M Tokens
Output:
$
1.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M1-80k
发行日期：2025年6月17日
上下文长度：
131K
最大输出长度：
131K
Input:
$
0.55
/ M Tokens
Output:
$
2.2
/ M Tokens
