主要观点：MiniMax 推出了 MiniMax-M1 开放权重语言模型，用于长上下文推理和工具使用，基于 MiniMax-Text-01，采用混合专家架构和新“闪电注意力”机制，总参数达 4560 亿，支持 100 万令牌的上下文长度，通过大规模强化学习训练，有两个版本，在多个基准测试中表现出色，如长上下文任务、软件工程、工具使用和推理型数学基准等，但也存在实践中的局限性，如运行时间长等，同时支持结构化函数调用，可通过 HuggingFace 获得，部署推荐 vLLM，开发者可通过 MiniMax MCP Server 进行实验。
关键信息：

• 模型名称：MiniMax-M1，基于 MiniMax-Text-01
• 架构特点：混合专家架构，“闪电注意力”机制
• 参数规模：456 亿参数，每令牌 45.9 亿活跃
• 上下文长度：100 万令牌
• 训练方式：大规模强化学习
• 版本：40K 和 80K
• 评估方式：自定义 RL 缩放方法，引入 CISPO 算法
• 基准测试表现：在长上下文任务、软件工程等方面表现优秀
• 实践局限性：运行时间长，如下棋需整晚
• 支持功能：结构化函数调用，可通过 HuggingFace 和 MiniMax MCP Server 使用
  重要细节：
• 在 OpenAI-MRCR 128K 测试中得 73.4%，LongBench-v2 测试中得 61.5%
• 在 SWE-bench Verified 中得 56.0%
• 在 TAU-bench 航空公司和零售测试中分别得 62.0%和 63.5%
• 在 AIME 2024 中得 86.0%
• 某 Reddit 用户称其在函数调用和长上下文方面表现出色
• 有人指出其可用性为零，运行下棋等任务时间长