MiniMax M1
2011°
Chạy mô hình này
Ưu đãi / Quảng cáo
MiniMax | ngữ cảnh 1,000,000 token | $0.55/M đầu vào, $2.20/M đầu ra. MiniMax-M1 là mô hình suy luận quy mô lớn, trọng số mở được thiết kế cho ngữ cảnh mở rộng và suy luận hiệu quả cao. Nó tận dụng kiến trúc lai Mixture-of-Experts (MoE) kết hợp với cơ chế "lightning attention" tùy chỉnh, cho phép xử lý chuỗi dài — lên đến 1 triệu token — trong khi duy trì hiệu quả FLOP cạnh tranh. Với tổng cộng 456 tỷ tham số và 45.9 tỷ tham số hoạt động mỗi token, biến thể này được tối ưu cho các nhiệm vụ suy luận phức tạp, nhiều bước. Được huấn luyện qua quy trình học tăng cường tùy chỉnh (CISPO), M1 xuất…MiniMax | ngữ cảnh 1,000,000 token | $0.55/M đầu vào, $2.20/M đầu ra. MiniMax-M1 là mô hình suy luận quy mô lớn, trọng số mở được thiết kế cho ngữ cảnh mở rộng và suy luận hiệu quả cao. Nó tận dụng kiến trúc lai Mixture-of-Experts (MoE) kết hợp với cơ chế "lightning attention" tùy chỉnh, cho phép xử lý chuỗi dài — lên đến 1 triệu token — trong khi duy trì hiệu quả FLOP cạnh tranh. Với tổng cộng 456 tỷ tham số và 45.9 tỷ tham số hoạt động mỗi token, biến thể này được tối ưu cho các nhiệm vụ suy luận phức tạp, nhiều bước. Được huấn luyện qua quy trình học tăng cường tùy chỉnh (CISPO), M1 xuất sắc trong hiểu ngữ cảnh dài, kỹ thuật phần mềm, sử dụng công cụ theo tác nhân và suy luận toán học. Các điểm chuẩn cho thấy hiệu suất mạnh trên FullStackBench, SWE-bench, MATH, GPQA và TAU-Bench, thường vượt trội các mô hình mở khác như DeepSeek R1 và Qwen3-235B.
Hướng dẫn cho mô hình này
Mở weights vs mã nguồn mở vs chỉ API: bạn thực sự được phép làm gì
Cách chọn mô hình AI trong tháng 10 năm 2026: tin tức nguồn đóng, rồi đến các trọng số mở đáng tải về
10 lựa chọn thay thế ChatGPT rẻ nhất năm 2026: mô hình cục bộ miễn phí, gói miễn phí và gói trả phí cố định
Ghi chú của thuyền trưởng
Ghi chú từ 2026-10-13
MiniMax M1 là mô hình suy luận MoE với 456 tỷ tham số từ MiniMax, được xây dựng cho các tác vụ đòi hỏi suy nghĩ sâu nhiều bước và ngữ cảnh rất dài — lên đến một triệu token. Kiến trúc lai của nó kết hợp mixture-of-experts với cơ chế lightning attention tùy chỉnh để suy luận hiệu quả ở quy mô lớn. Nếu bạn làm việc với các vấn đề lập trình khó, pipeline tác nhân, hoặc suy luận tài liệu dài và muốn một mô hình mở với giá API hợp lý, M1 đáng để xem xét nghiêm túc.
Nổi tiếng với
- Cửa sổ ngữ cảnh một triệu token, thực sự hữu dụng cho tài liệu hoặc cơ sở mã rất dài.
- Mạnh trên các chuẩn đánh giá kỹ thuật phần mềm bao gồm SWE-bench và FullStackBench.
- Sử dụng công cụ tác nhân được tích hợp trong quá trình huấn luyện, không phải thêm vào sau.
- Thiết kế MoE hiệu quả: tổng 456 tỷ tham số, chỉ 45.9 tỷ tham số hoạt động mỗi token.
- Được huấn luyện với pipeline RL tùy chỉnh (CISPO) tối ưu cho suy luận phức tạp, nhiều bước.
Cẩn thận với
- Trọng số không được công khai; bạn chỉ có thể dùng qua API, không thể triển khai cục bộ.
- Token đầu ra tính phí gấp bốn lần token đầu vào — chuỗi suy luận dài sẽ tốn kém nhanh.
- Không có chi tiết model card được công bố, nên điều khoản giấy phép và quyền tinh chỉnh không rõ ràng.
Phù hợp nhất cho
Lời nhắc để thử
Gỡ lỗi lỗi đồng thời tinh vi
Đây là một hàm async Python thỉnh thoảng gây ra RuntimeError khi tải cao. Hãy phân tích mọi điều kiện race có thể xảy ra, giải thích điều kiện nào có khả năng gây lỗi nhất, và viết lại hàm để sửa lỗi mà không thay đổi giao diện bên ngoài.
```python
async def fetch_and_cache(key, cache, fetch_fn):
if key not in cache:
cache[key] = await fetch_fn(key)
return cache[key]
```
Lập kế hoạch tác nhân nghiên cứu nhiều bước
Thiết kế một tác nhân sử dụng công cụ trả lời câu hỏi: mô hình LLM mở trọng số nào được phát hành trong 12 tháng qua có hiệu suất trên chi phí tốt nhất cho các tác vụ lập trình? Liệt kê các công cụ tác nhân nên gọi theo thứ tự, dữ liệu cần thu thập ở mỗi bước, cách giải quyết xung đột nguồn benchmark, và định dạng đầu ra cuối cùng nên như thế nào.
Giải bài toán toán học nhiều lớp
Một nhà máy sản xuất widget theo lô. Mỗi lô mất 3 giờ và sản lượng từ 80 đến 120 widget, phân phối đều. Nhà máy vận hành 2 máy song song, 16 giờ mỗi ngày. Đơn hàng đến theo quá trình Poisson với trung bình 5 đơn mỗi giờ, mỗi đơn đúng 10 widget. Xác suất nhà máy bị thiếu hơn 200 widget so với nhu cầu trong 5 ngày là bao nhiêu? Trình bày lý luận từng bước.
So sánh với
- MiniMax M3Mô hình mở trọng sốngữ cảnh 1,048,576 token · Đầu vào $0.30/M, đầu ra $1.20/M
- MiniMax M2.5Mô hình mở trọng sốngữ cảnh 204,800 token · Đầu vào $0.27/M, đầu ra $0.95/M
- MiniMax M2.1Mô hình mở trọng sốngữ cảnh 204,800 token · Đầu vào $0.30/M, đầu ra $1.20/M
- MiniMax M2Mô hình mở trọng sốngữ cảnh 204,800 token · Đầu vào $0.26/M, đầu ra $1.02/M
Thêm mô hình văn bản từ minimax
Câu hỏi thường gặp
- Tôi có thể chạy MiniMax M1 cục bộ không?
- Không. Mặc dù được mô tả là mở trọng số về mặt tinh thần, MiniMax chưa công bố trọng số lên kho công khai, nên M1 hiện chỉ dùng qua API.
- MiniMax M1 có giá bao nhiêu và ngữ cảnh dài bao nhiêu?
- MiniMax tính $0.55 cho mỗi triệu token đầu vào và $2.20 cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh một triệu token.
- M1 so với DeepSeek R1 hoặc Qwen3-235B thế nào?
- Cả ba đều là mô hình MoE suy luận lớn trong phạm vi tham số tương tự; MiniMax báo cáo M1 vượt trội cả hai trên nhiều benchmark bao gồm SWE-bench và MATH, dù không có trọng số công khai như DeepSeek R1 và Qwen3-235B.
Phán quyết của thuyền trưởngMột mô hình suy luận nghiêm túc với cửa sổ một triệu token thực sự hữu ích — chỉ bị hạn chế bởi việc không có trọng số công khai.
Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.
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.
Điểm số này được tính như thế nào
Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.
Thuật ngữ: các từ dùng ở đây
- Điểm nhiệt
- Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
- Sàn điểm
- 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
- Tương đương lượt tải
- Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
- Thang log
- Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
- Lượt thích
- Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
- Tỷ lệ áp dụng
- Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
- Đã đo và ước tính
- Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
- Seeder
- Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
- AI Horde
- Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
- Trang tạo ảnh
- Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
- Token OpenRouter
- Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Mô hình đầy đủ (checkpoint)
- Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
- LoRA và embedding
- Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
- Gia đình và trọng số
- Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
- Tuổi
- Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
- Tăng gia đình
- Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
- Điểm thay thế
- Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
- Mới! (giai đoạn thử nghiệm)
- Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
- Xu hướng
- Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
- Mô hình điển hình
- Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.
MiniMax M1 là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác và xem điểm độ hot để biết xu hướng.
Thêm mô hình Text / LLMThêm Văn bản / LLM Text / LLMllmminimaxlý luậnlập trìnhtác nhânngữ cảnh dàitoán học
Duyệt theo họ mô hình
Mô hình Text / LLM
434
Mô hình Anima
528
Mô hình Chroma
19
Mô hình Fibo
2
Mô hình Flux
1,496
Mô hình Flux 2 / Klein
1,239
Mô hình Flux 3
3
Mô hình Moss
3
Mô hình Iris
1
Mô hình MiniMax H3
364
Mô hình Hunyuan
204
Mô hình Ideogram
20
Mô hình Krea2
717
Mô hình Qwen
20
Mô hình Qwen2
47
Mô hình Ltx2
153