Bolehkah saya jalankan MiniMax M1 secara tempatan?

Tidak. Walaupun digambarkan sebagai berat terbuka secara prinsip, MiniMax tidak menerbitkan berat model ke repositori awam, jadi M1 hanya boleh diakses melalui API buat masa ini.

Berapa kos MiniMax M1 dan berapa panjang konteksnya?

MiniMax mengenakan bayaran $0.55 setiap juta token input dan $2.20 setiap juta token output, dengan tetingkap konteks satu juta token.

Bagaimana M1 dibandingkan dengan DeepSeek R1 atau Qwen3-235B?

Ketiga-tiganya adalah model penalaran MoE besar dalam julat parameter yang serupa; MiniMax melaporkan M1 mengatasi kedua-duanya pada beberapa penanda aras termasuk SWE-bench dan MATH, walaupun ia tidak mempunyai berat yang tersedia secara awam seperti DeepSeek R1 dan Qwen3-235B.

MiniMax M1

2011°

#llm #minimax #penalaran #pengaturcaraan #ejen #konteks panjang

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

MiniMax | konteks token 1,000,000 | $0.55/M input, $2.20/M output. MiniMax-M1 adalah model penaakulan berskala besar dan berat terbuka yang direka untuk konteks lanjutan dan inferens cekap tinggi. Ia memanfaatkan seni bina hibrid Mixture-of-Experts (MoE) yang dipadankan dengan mekanisme "lightning attention" tersuai, membolehkannya memproses urutan panjang—sehingga 1 juta token—sementara mengekalkan kecekapan FLOP yang kompetitif. Dengan 456 bilion parameter keseluruhan dan 45.9B aktif setiap token, varian ini dioptimumkan untuk tugas penaakulan kompleks berbilang langkah. Dilatih melalui…MiniMax | konteks token 1,000,000 | $0.55/M input, $2.20/M output. MiniMax-M1 adalah model penaakulan berskala besar dan berat terbuka yang direka untuk konteks lanjutan dan inferens cekap tinggi. Ia memanfaatkan seni bina hibrid Mixture-of-Experts (MoE) yang dipadankan dengan mekanisme "lightning attention" tersuai, membolehkannya memproses urutan panjang—sehingga 1 juta token—sementara mengekalkan kecekapan FLOP yang kompetitif. Dengan 456 bilion parameter keseluruhan dan 45.9B aktif setiap token, varian ini dioptimumkan untuk tugas penaakulan kompleks berbilang langkah. Dilatih melalui saluran pembelajaran penguatan tersuai (CISPO), M1 cemerlang dalam pemahaman konteks panjang, kejuruteraan perisian, penggunaan alat agenik, dan penaakulan matematik. Penanda aras menunjukkan prestasi kukuh merentasi FullStackBench, SWE-bench, MATH, GPQA, dan TAU-Bench, sering mengatasi model terbuka lain seperti DeepSeek R1 dan Qwen3-235B.

Panduan untuk model ini

Berat terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya kamu dibenarkan lakukan

Cara memilih model AI pada Oktober 2026: berita sumber tertutup, kemudian berat terbuka yang patut dimuat turun

10 Alternatif ChatGPT Termurah pada 2026: model tempatan percuma, tahap percuma dan pelan kadar rata

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

MiniMax M1 adalah model penalaran MoE dengan 456 bilion parameter dari MiniMax, dibina untuk tugasan yang memerlukan pemikiran berlapis-lapis yang mendalam dan konteks yang sangat panjang—sehingga satu juta token. Seni bina hibridnya menggabungkan mixture-of-experts dengan mekanisme perhatian lightning khusus untuk inferens yang cekap pada skala besar. Jika anda bekerja pada masalah pengkodan yang sukar, saluran agen, atau penalaran dokumen panjang dan mahukan model kelas berat terbuka pada harga API yang sederhana, M1 patut diberi perhatian serius.

Dikenali untuk

Tetingkap konteks satu juta token, benar-benar boleh digunakan untuk dokumen atau kod yang sangat panjang.
Kuat pada penanda aras kejuruteraan perisian termasuk SWE-bench dan FullStackBench.
Penggunaan alat agenik disematkan dalam latihan, bukan dipasang kemudian.
Reka bentuk MoE yang cekap: 456B parameter keseluruhan, hanya 45.9B aktif setiap token.
Dilatih dengan saluran RL khusus (CISPO) yang disesuaikan untuk penalaran kompleks berbilang langkah.

Berhati-hati dengan

Berat model tidak tersedia secara awam; anda hanya boleh menggunakan API, tiada pelaksanaan tempatan.
Token output dikenakan kos empat kali ganda kadar input—rantai penalaran panjang cepat menambah kos.
Tiada butiran kad model diterbitkan, jadi terma lesen dan hak penalaan semula tidak jelas.

Terbaik untuk

Pengaturcaraan

Ejen dan penggunaan alat

Penalaran

Konteks panjang

Matematik

Arahan untuk cuba

Selesaikan pepijat persaingan halus

Berikut adalah fungsi Python async yang kadangkala menaikkan RuntimeError di bawah beban. Terangkan setiap kemungkinan keadaan perlumbaan, jelaskan yang mana paling mungkin menyebabkan ralat, dan tulis semula fungsi itu untuk membetulkannya tanpa mengubah antara muka luaran. ```python async def fetch_and_cache(key, cache, fetch_fn): if key not in cache: cache[key] = await fetch_fn(key) return cache[key] ```

Rancang agen penyelidikan berbilang langkah

Reka agen yang menggunakan alat yang menjawab soalan: model LLM berat terbuka mana yang dikeluarkan dalam 12 bulan terakhir mempunyai prestasi-per-dolar terbaik pada tugasan pengkodan? Senaraikan alat yang perlu dipanggil oleh agen, mengikut urutan, data yang perlu dikumpul pada setiap langkah, bagaimana ia harus menyelesaikan sumber penanda aras yang bertentangan, dan bagaimana format output akhirnya harus kelihatan.

Selesaikan masalah matematik berlapis

Sebuah kilang menghasilkan widget secara batch. Setiap batch mengambil masa 3 jam dan menghasilkan antara 80 hingga 120 widget, diedarkan secara seragam. Kilang menjalankan 2 mesin secara selari, 16 jam sehari. Pesanan tiba sebagai proses Poisson dengan kadar purata 5 pesanan sejam, setiap satu untuk tepat 10 widget. Apakah kebarangkalian kilang tertinggal lebih daripada 200 widget berbanding permintaan dalam tempoh 5 hari kerja? Tunjukkan penalaran anda langkah demi langkah.

Bandingkan dengan

MiniMax M3
Model berat terbuka
konteks 1,048,576 token · Input $0.30/M, output $1.20/M
MiniMax M2.5
Model berat terbuka
konteks 204,800 token · Input $0.27/M, output $0.95/M
MiniMax M2.1
Model berat terbuka
konteks 204,800 token · Input $0.30/M, output $1.20/M
MiniMax M2
Model berat terbuka
konteks 204,800 token · Input $0.26/M, output $1.02/M

Lebih banyak model teks dari minimax

Soalan yang sering ditanya

Bolehkah saya jalankan MiniMax M1 secara tempatan?: Tidak. Walaupun digambarkan sebagai berat terbuka secara prinsip, MiniMax tidak menerbitkan berat model ke repositori awam, jadi M1 hanya boleh diakses melalui API buat masa ini.
Berapa kos MiniMax M1 dan berapa panjang konteksnya?: MiniMax mengenakan bayaran $0.55 setiap juta token input dan $2.20 setiap juta token output, dengan tetingkap konteks satu juta token.
Bagaimana M1 dibandingkan dengan DeepSeek R1 atau Qwen3-235B?: Ketiga-tiganya adalah model penalaran MoE besar dalam julat parameter yang serupa; MiniMax melaporkan M1 mengatasi kedua-duanya pada beberapa penanda aras termasuk SWE-bench dan MATH, walaupun ia tidak mempunyai berat yang tersedia secara awam seperti DeepSeek R1 dan Qwen3-235B.

Keputusan Kapten
Model penalaran serius dengan tetingkap sejuta token yang benar-benar berguna—hanya terhalang oleh ketiadaan berat awam.

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh berubah.

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

Bagaimana skor ini dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Llama 3.1 8B Instruct

TEXT / LLM

Qwen3.7 Plus

TEXT / LLM

Model AI untuk penjanaan imej, video dan teks

MiniMax M1 ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm minimax penalaran pengaturcaraan ejen konteks panjang matematik

Layari mengikut keluarga model