MiniMax
MiniMax-M1-80k
MiniMax-M1-80k 是 MiniMax-M1 系列的長上下文推理模型,面向需要處理長輸入和深度思考的複雜任務。模型採用混合專家(MoE)與包含 Lightning Attention 的混合注意力架構,總參數量為 4560 億,每個 token 啟用約 459 億參數。官方模型卡將 80k 描述為其思考預算。(huggingface.co) 原生支援約 100 萬 token 的上下文,…
了解模型繁體中文
模型發布檔案
彙整模型發布動態,按發布時間瀏覽,探索值得關注的新模型。
MiniMax-M1-80k 是 MiniMax-M1 系列的長上下文推理模型,面向需要處理長輸入和深度思考的複雜任務。模型採用混合專家(MoE)與包含 Lightning Attention 的混合注意力架構,總參數量為 4560 億,每個 token 啟用約 459 億參數。官方模型卡將 80k 描述為其思考預算。(huggingface.co) 原生支援約 100 萬 token 的上下文,…
MiniMax-M1-40k 是 MiniMax M1 系列的大規模混合注意力推理模型,採用混合專家(MoE)與 Lightning Attention 架構,面向需要長上下文和深度推理的複雜任務。官方模型卡稱,該版本以 40K token 的思考預算訓練;M1 原生支援最高 100 萬 token 上下文。(huggingface.co) 可用於長文本理解、數學推理、軟體工程和智慧體工具使用;模…
Kimi-Dev-72B 是面向軟體工程問題解決的開源程式碼大語言模型,以 Qwen2.5-72B 為基礎,經過程式碼相關資料訓練和強化學習最佳化。官方公告發布於 2025 年 6 月 16 日。(moonshotai.github.io) 根據問題描述定位需要修改的檔案,產生程式碼修復,並撰寫重現問題的單元測試。 可用於輔助處理程式碼儲存庫中的軟體缺陷、產生修補程式和測試,以及軟體工程研究。 官…