MiniMax-M1 - MiniMaxの最新オープンソース推論モデル - AiBoss

MiniMax-M1とは何ですか？

MiniMax-M1は、MiniMaxチームが開発した最新のオープンソース推論モデルです。ハイブリッドエキスパートアーキテクチャ（MoE）とライトニングアテンションを組み合わせたこのモデルは、合計4,560億個のパラメータを誇り、各トークンで459億個のパラメータがアクティブ化されます。国内のクローズドソースモデルを凌駕し、海外の最先端モデルに匹敵する性能を実現し、業界最高水準のコストパフォーマンスを提供します。MiniMax-M1は、最大100万トークンのコンテキスト長をネイティブにサポートし、長い入力や複雑な推論タスクの処理に適した40Kと80Kの2種類の推論予算バージョンを提供します。ベンチマークテストでは、MiniMax-M1はDeepSeekなどのオープンソースモデルを複数のパフォーマンス指標で上回り、複雑なソフトウェアエンジニアリング、長いコンテキストの理解、ツールの使用といったタスクで優れた性能を発揮します。このモデルの効率的な計算と強力な推論機能は、次世代言語モデルエージェントの強力な基盤となります。

MiniMax-M1の主な機能

長時間のコンテキスト処理入力として100万トークン、出力として8万トークンをサポートしているため、長文ドキュメントや複雑な推論タスクの処理に適しています。
効率的な推論推論予算は40Kと80Kの2種類が用意されており、コンピューティングリソースを最適化し、推論コストを削減します。
マルチドメインタスク最適化数学的推論、ソフトウェアエンジニアリング、長文コンテキストの理解、ツールの使用といったタスクに優れており、多様なアプリケーションシナリオに適応可能です。
関数呼び出し構造化関数呼び出しをサポートし、外部関数呼び出しパラメータを識別して出力することができ、外部ツールとの連携を容易にします。

MiniMax-M1の技術原理

ハイブリッドエキスパートアーキテクチャ（MoE）ハイブリッドエキスパートアーキテクチャに基づき、本モデルは複数のエキスパートモジュールに分割され、各モジュールは特定のサブタスクまたはデータサブセットの処理を担当します。入力データは、その特性に応じて異なるエキスパートモジュールに動的に割り当てられ、計算リソースと並列処理能力を効率的に活用します。MoEアーキテクチャに基づき、本モデルは大規模なパラメータ下でも高い計算性能を維持しながら、より複雑なタスク処理をサポートできます。
ライトニング・アテンションLightning Attentionメカニズムは、計算プロセスを最適化し、冗長な計算を削減することで、アテンションモジュールの効率を大幅に向上させます。スパースなアテンションパターンを使用することで、入力シーケンスの重要な部分のみに焦点を当て、計算の複雑さをさらに軽減します。また、長いシーケンスデータの効率的な処理をサポートし、モデルが最大100万トークンのコンテキストを処理できるようにします。
大規模強化学習（RL）トレーニング本論文では、大規模な強化学習を実行するためのユーザー訓練を行い、報酬信号に基づいてモデルの出力を最適化することで複雑なタスクのパフォーマンスを向上させる、新しい強化学習アルゴリズムCISPOを提案する。トークン更新ではなく、枝刈りの重要度に基づいて重みをサンプリングすることで、訓練効率とモデルのパフォーマンスを向上させる。ハイブリッドアテンション設計は、ハイブリッドアーキテクチャを用いた強化学習のスケーリングにおける特有の課題に対処し、強化学習の効率を自然に高める。

MiniMax M1のパフォーマンス

ソフトウェアエンジニアリングタスクSWE-bench検証ベンチマークにおいて、MiniMax-M1-40kとMiniMax-M1-80kはそれぞれ55.6%と56.0%のスコアを達成し、DeepSeek-R1-0528の57.6%よりわずかに低いものの、他のオープンソースの重みモデルを大幅に上回る性能を示した。
長文の文脈理解タスク100万レベルのコンテキストウィンドウを活用することで、M1シリーズは長文のコンテキスト理解タスクにおいて優れた性能を発揮し、すべてのオープンソースの加重モデルを凌駕し、OpenAI o3やClaude 4 Opusをも上回り、Gemini 2.5 Proにわずかに及ばないものの、世界第2位にランクインしています。
ツール使用シナリオプロキシツール使用例（TAU-bench）において、MiniMax-M1-40kはすべてのオープンソースの重量モデルを凌駕し、Gemini-2.5 Proを上回りました。

MiniMax-M1プロジェクトの住所

GitHubリポジトリ：https://github.com/MiniMax-AI/MiniMax-M1
ハギングフェイスモデルライブラリ：https://huggingface.co/collections/MiniMaxAI/minimax-m1
技術論文：https://github.com/MiniMax-AI/MiniMax-M1/blob/main/MiniMax_M1_tech_report

MiniMax-M1の製品価格

API呼び出し推論コストの価格設定：
- 0～32kの入力長：
  - 投入コスト100万トークンあたり0.8元。
  - 出力コスト100万トークンあたり8元。
- 入力長は32k～128kです。：
  - 投入コスト100万トークンあたり1.2元。
  - 出力コスト100万トークンあたり16元。
- 入力長：128k～1M：
  - 投入コスト100万トークンあたり2.4元。
  - 出力コスト100万トークンあたり24元。
アプリとウェブMiniMaxアプリとウェブサイトを無制限に無料でご利用いただけます。

MiniMax-M1の応用事例

複雑なソフトウェアエンジニアリング：コード生成、最適化、デバッグ、ドキュメント生成をサポートしており、開発者が機能モジュールを迅速に実装し、開発効率を向上させるのに役立ちます。
長文処理長文レポート、学術論文、小説などを生成でき、長文テキスト分析や複数文書の要約にも対応しており、多様なニーズに対応します。
数学的および論理的推論複雑な数学問題（競技数学問題や数理モデリングなど）を解いたり、論理的推論タスクを処理したり、明確な問題解決アプローチを提供したりすることができる。
ツールの使用と操作インテリジェントアシスタントとして、外部ツールを活用して複数ステップのタスクを完了させ、自動化されたソリューションを提供することで、作業効率を向上させます。