MiniMax 01
4326°
MiniMax | 1,000,192 代幣上下文 | 輸入 $0.20/M，輸出 $1.10/M。MiniMax-01 結合 MiniMax-Text-01 用於文字生成及 MiniMax-VL-01 用於圖像理解。擁有 4560 億參數，每次推理啟用 459 億參數，能處理最高 400 萬代幣上下文。文字模型採用 Lightning Attention、Softmax Attention 與混合專家（MoE）混合架構。圖像模型採用「ViT-MLP-LLM」框架，並在文字模型基礎上訓練。更多發布資訊請參見：https://www.minimaxi.com/en/news/minimax-01-series-2Opens in new tab
本模型的指南
2026年10月最佳本地大型語言模型（LLM）按使用情境分類：每個工作都適合的開放模型
我到底需要多少 VRAM 才能在本地跑 AI？
開放權重、開源與僅API：你到底能做什麼
什麼是 GGUF 檔案？量化模型解說（Q4、Q8、fp8、NF4）
船長筆記
2026-10-13 的筆記
MiniMax-01 是 MiniMax 推出的一款 4560 億參數混合專家模型，將文字模型與視覺模型整合於單一套件。其最大特色是混合注意力架構，將可用上下文延伸至 400 萬 token，遠超同價位多數競品。每百萬輸入 token 僅需 0.20 美元，適合需要超長上下文或多模態工作的開發者，且不想負擔高額 API 費用。
以...聞名
- 400 萬 token 上下文視窗，是此價位少見的超長上下文。
- 混合 Lightning Attention 與 Softmax Attention 架構，專為長序列設計。
- 結合文字生成與影像理解於一體。
- 4560 億參數，透過 MoE 路由每次僅啟用 459 億參數。
- 開放權重可於 Hugging Face 取得。
注意
- 4560 億參數意味著本地部署需強大硬體，多數使用者會選擇 API。
- 視覺部分為外掛模型，非原生多模態架構。
- 超過 100 萬 token 的上下文僅限推理使用，訓練上下文為 100 萬 token。
可嘗試的提示詞
摘要超長文件
這是一份冗長合約。請閱讀全文，並給我：(1) 一段簡明英文摘要，(2) 雙方最重要的三項義務，(3) 對買方風險較大的條款。[請將文件貼於此行以下]
分析上傳圖片
我附上一張資料儀表板截圖。請描述所有圖表，說明每個圖表顯示的內容，指出值得注意的異常或趨勢，並提出一個資料引發但未回答的後續問題。
跨文件研究綜合
我將貼上三篇不同的研究論文。閱讀完後，撰寫一篇 400 字的綜合分析，指出它們的共識、矛盾處，以及未解決的問題。請標註每項主張出自哪篇論文。
比較
- MiniMax M3開放權重模型1,048,576 代幣上下文 · $0.30/M 輸入，$1.20/M 輸出
- Muse Spark 1.3 Contributor僅限 API 模型1,048,576 代幣上下文 · $0.10/M 輸入，$0.20/M 輸出
- Space Bunny Alpha僅限 API 模型1,000,000 代幣上下文 · 免費使用
- Gemini 2.5 Flash Lite僅限 API 模型1,048,576 代幣上下文 · $0.10/M 輸入，$0.40/M 輸出
更多來自 minimax 的文字模型
常見問題
- 權重是開放的嗎？我能本地執行 MiniMax-01 嗎？
- 是的，權重已於 MiniMaxAI 組織的 Hugging Face 發布。由於參數高達 4560 億，本地執行需求高，多數自部署者需多 GPU 配置。
- MiniMax-01 價格與上下文長度？
- API 價格為每百萬輸入 token 0.20 美元，每百萬輸出 token 1.10 美元。API 上下文視窗約 100 萬 token，但推理時可支援至 400 萬 token。
- MiniMax-01 與其他長上下文模型有何不同？
- 其混合 Lightning Attention 與 Softmax Attention 架構專為高效延伸上下文設計，400 萬 token 上限高於同價位多數模型，且同時整合影像理解與文字生成。
船長評語罕見結合真正長上下文、開放權重與低輸入價格的模型——若您的工作負載涉及超大文件或多圖像分析，值得一試。
Hugging Face 上的模型卡
船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。
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.
這個分數是怎麼累積的
這個模型目前還沒有任何來源的流行度數據，所以它會有一個低於 7,000° 的替代數字，讓列表保持完整。它永遠不會排在有數據的模型前面。一旦有來源報告數據，細項就會顯示在這裡。
詞彙表：這裡使用的術語
- 熱度分數
- 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
- 底線
- 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
- 下載等值
- 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
- 對數刻度
- 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
- 喜歡數
- 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
- 採用率
- 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
- 實測與估算
- 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
- 種子節點
- 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
- AI Horde
- 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
- 生成網站
- 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
- OpenRouter 代幣
- 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（檢查點）
- 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
- LoRA和嵌入
- 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
- 家族與權重
- 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
- 年齡
- 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
- 家族加成
- 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
- 替代分數
- 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
- 全新！(寬限期)
- 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
- 趨勢
- 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目錄中的中間值：一半模型在該期間成長較快，一半較慢。
MiniMax 01 是 Text / LLM 系列的文字模型,收錄於 ModelTrends.ai——一個唯讀的開源 AI 圖片、影片與文字模型目錄。將它與其他 Text / LLM 模型比較,並查看熱度分數了解趨勢。
依模型系列瀏覽
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153