Les poids sont-ils ouverts et puis-je exécuter MiniMax-01 localement ?

Oui, les poids sont publiés sur Hugging Face sous l'organisation MiniMaxAI. Exécuter le modèle complet localement est exigeant compte tenu des 456 milliards de paramètres, donc la plupart des auto-hébergeurs auront besoin d'une configuration multi-GPU.

Quel est le coût de MiniMax-01 et quelle est la taille de son contexte ?

Via API, il coûte 0,20 $ par million de tokens d'entrée et 1,10 $ par million de tokens de sortie. La fenêtre de contexte est annoncée à un peu plus d'un million de tokens sur l'API, bien que le modèle puisse gérer jusqu'à 4 millions de tokens en inférence.

En quoi MiniMax-01 diffère-t-il des autres modèles à long contexte ?

Son architecture hybride Lightning Attention et Softmax Attention est spécifiquement conçue pour étendre efficacement le contexte, et le plafond de 4 millions de tokens est plus élevé que la plupart des modèles dans sa gamme de prix. Il combine aussi compréhension d'image et génération de texte.

MiniMax 01

4326°

#llm #minimax #vision #contexte long #local #budget

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

MiniMax | contexte de 1 000 192 tokens | 0,20 $/M en entrée, 1,10 $/M en sortie. MiniMax-01 combine MiniMax-Text-01 pour la génération de texte et MiniMax-VL-01 pour la compréhension d'images. Il possède 456 milliards de paramètres, avec 45,9 milliards de paramètres activés par inférence, et peut gérer un contexte allant jusqu'à 4 millions de tokens. Le modèle texte adopte une architecture hybride combinant Lightning Attention, Softmax Attention et Mixture-of-Experts (MoE). Le modèle image utilise le cadre “ViT-MLP-LLM” et est entraîné au-dessus du modèle texte. Pour en savoir plus sur la sortie, voir : https://www.minimaxi.com/en/news/minimax-01-series-2Opens in new tab

Guides pour ce modèle

Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

MiniMax-01 est un modèle mixture-of-experts de 456 milliards de paramètres de MiniMax qui associe un modèle texte et un modèle vision dans un seul package. Sa caractéristique principale est une architecture d'attention hybride qui étend le contexte utilisable à 4 millions de tokens, bien au-delà de ce que la plupart des concurrents offrent à ce prix. À 0,20 $ par million de tokens d'entrée, il convient aux développeurs qui ont besoin d'un contexte très long ou d'un travail multimodal sans une facture API élevée.

Connu pour

Fenêtre de contexte de 4 millions de tokens, l'une des plus longues disponibles à ce prix.
Architecture hybride Lightning Attention et Softmax Attention conçue pour les longues séquences.
Combine génération de texte et compréhension d'image dans un seul modèle.
456 milliards de paramètres au total avec seulement 45,9 milliards activés par token via le routage MoE.
Poids ouverts disponibles sur Hugging Face.

Attention à

456 milliards de paramètres au total signifie que l'auto-hébergement demande un matériel sérieux ; la plupart des utilisateurs passeront par l'API.
La composante vision est un modèle séparé ajouté, pas une architecture multimodale native.
Le contexte au-delà de 1 million de tokens est uniquement pour l'inférence ; le contexte d'entraînement était de 1 million de tokens.

Idéal pour

Contexte long

Vision

Fonctionne localement

Budget

Multilingue

Prompts à essayer

Résumer un document très long

Voici un contrat long. Lisez tout le texte, puis donnez-moi : (1) un résumé en anglais simple en un paragraphe, (2) les trois obligations les plus importantes de chaque partie, et (3) toute clause présentant un risque inhabituel pour l'acheteur. [Collez votre document sous cette ligne]

Analyser une image téléchargée

Je joins une capture d'écran d'un tableau de bord de données. Décrivez chaque graphique visible, indiquez ce que chacun montre, identifiez toute anomalie ou tendance à signaler, et suggérez une question de suivi que les données soulèvent mais ne répondent pas.

Synthèse de recherche inter-documents

Je vais coller ci-dessous trois articles de recherche distincts. Après lecture des trois, rédigez une synthèse de 400 mots qui identifie leurs points d'accord, leurs contradictions, et la question à laquelle aucun ne répond. Indiquez pour chaque affirmation de quel article elle provient.

Comparer avec

MiniMax M3
Modèle à poids ouverts
Contexte de 1,048,576 tokens · entrée $0.30/M, sortie $1.20/M
Muse Spark 1.3 Contributor
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.10/M, sortie $0.20/M
Space Bunny Alpha
Modèle uniquement API
Contexte de 1,000,000 tokens · gratuit à utiliser
Gemini 2.5 Flash Lite
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.10/M, sortie $0.40/M

Plus de modèles de texte de minimax

Questions fréquentes

Les poids sont-ils ouverts et puis-je exécuter MiniMax-01 localement ?: Oui, les poids sont publiés sur Hugging Face sous l'organisation MiniMaxAI. Exécuter le modèle complet localement est exigeant compte tenu des 456 milliards de paramètres, donc la plupart des auto-hébergeurs auront besoin d'une configuration multi-GPU.
Quel est le coût de MiniMax-01 et quelle est la taille de son contexte ?: Via API, il coûte 0,20 $ par million de tokens d'entrée et 1,10 $ par million de tokens de sortie. La fenêtre de contexte est annoncée à un peu plus d'un million de tokens sur l'API, bien que le modèle puisse gérer jusqu'à 4 millions de tokens en inférence.
En quoi MiniMax-01 diffère-t-il des autres modèles à long contexte ?: Son architecture hybride Lightning Attention et Softmax Attention est spécifiquement conçue pour étendre efficacement le contexte, et le plafond de 4 millions de tokens est plus élevé que la plupart des modèles dans sa gamme de prix. Il combine aussi compréhension d'image et génération de texte.

Verdict du capitaine
Une rare combinaison de contexte vraiment long, poids ouverts et prix d'entrée bas — à considérer si votre charge de travail implique de très grands documents ou une analyse multi-image.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Modèles similaires

Qwen2.5 VL 72B Instruct

TEXT / LLM

Qwen3.7 Flash

TEXT / LLM

Qwen3 30B A3B Instruct 2507

TEXT / LLM

GPT Luna Latest

TEXT / LLM

Modèles d'IA pour générer image, vidéo et texte

MiniMax 01 est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm minimax vision contexte long local budget multilingue

Parcourir par famille de modèles