Minimax推出了第一个大型混合型混合体系结构M1：

他在6月17日报道说，Minuax Xiyu Technology宣布将连续五天启动重要更新。今天的第一个泵是第一个开源推断模型MINAX-M1。根据官方介绍，Minimax-M1是第一个大规模开放式混合体系结构推断模型。根据Minimax的说法，M1特征是用于复杂生产力方案的最佳开源模型，超过了国外主要模型的国家封闭代码模型，而它们是行业中最有利可图的。官方博客还宣布，最小值-M1培训过程是有效的，并且基于两项主要创新“超出了预期”。我只花了3周，而512 GPU H800完成了加强学习训练阶段。计算机能源租赁成本仅为534,700美元（霍加尔注：当前汇率约为38.41亿美元）。这直接低于最初的期望。 M1拥有伟大的AM1的DVantage，封闭的代码模型也是DeepSeek R1的八倍，是行业最长推理生产的八倍。这主要是由于基于射线注意机制的原始混合体系结构，这在计算长上下文条目和详细推论时效率更高。例如，如果您使用80,000个令牌使用详细的推断，那么DeepSeek R1的计算机功率仅使用约30％。该功能在接受培训和推理时为计算机能源效率提供了极大的好处。此外，我们提出了一种更快的增强学习算法，即Cispo，以通过减少采样权重（而不是传统的令牌更新）来提高增强学习的效率。我知道Xperimentos发现它的速度是DAPO（包括字节）的学习算法的收敛性能的速度两倍。这比第一个深层使用的GPO要好得多。感谢THE之前的两项创新，我们最好的强化培训过程非常有效，并且超出了预期。实际上，一般的强化学习阶段在三周内仅为512 H800块，租金成本为534,700美元。这是一个比最初预期的数量级。我们已经在该行业的17个常规审查集中详细评估了M1，并具有以下特定结果：已经发现，该模型在以生产率为导向的复杂场景中具有显着优势，例如软件工程，长篇小说和工具的使用。在VEE银行验证点，Minimax-M1-40K和Minimax-M1-80K在VEE银行验证点上获得了55.6％和56.0％的出色冲突。伙计。 M1系列基于一个100万个级别的上下文窗口来了解长期任务，不仅超过了所有开源重量模型，而且超过了Openai O3和Claude 4 Opus，占据了世界第二名，仅次于Gemini 2.5 Pro的小差距。在情况下使用代理工具（TAU-BENCH）的IO Minimax-M1-40K也导致所有重型开源模型，超过Gemini-2.5pro。请注意，在大多数参考点，最小值-M1-80K总是可以克服最小值-M1-40K。这可以通过攀登您的证据来完全验证计算机资源的有效性。详细的技术报告，您可以在官方的拥抱面和GitHub帐户下访问完整模型的比索。两个开源项目VLLM和Transformer为其各自的实施支持，并与Sglang合作以促进实施支持。通过使用相对高效的计算机能源和培训，您可以在Minax和Web应用程序中保持无限的免费使用，并以行业最低的价格在官方网站上提供API。对于0-32K的入口长度，输入0.8元/百万个令牌并输出8元/百万个令牌。对于32k-128k的入口长度，请输入1.2元/数百万个令牌并输出16元/百万个令牌。 f或入口长度为128k-1m，输入2.4元/百万令牌和24元/数百万的令牌。这两个听起来都比DeepSeek-R1更有利可图，而最后的方法与DeepSeek模型不兼容。除了M1，我们还准备在接下来的四次中进行更新，因此我期待。