在 MiniMax-01系列模型中，我们做了大胆创新：首次大规模实现线性注意力机制，传统Transformer架构不再是唯一的选择。这个模型的参数量高达4560亿，其中单次激活459亿。模型综合性能比肩海外顶尖模型，同时能够高效处理全球最长400万token的上下文，是GPT-4o的32倍，Claude-3.5-Sonnet的20倍。
我们相信2025年会是Agent高速发展的一年，不管是单Agent的系统需要持续的记忆，还是多Agent的系统中Agent之间大量的相互通信，都需要越来越长的上下文。在这个模型中，我们走出了第一步，并希望使用这个架构持续建立复杂Agent所需的基础能力。
极致性价比、不断创新
受益于架构的创新、效率的优化、集群训推一体的设计以及我们内部大量并发算力复用，我们得以用业内最低的价格区间提供文本和多模态理解的API，标准定价是输入token 1元/百万token，输出token 8元/百万token。欢迎大家在MiniMax开放平台体验、使用。
https://www.minimaxi.com/en/platform
在长文任务上，我们对比了之前长文最好的模型Google的Gemini。如图(c)所示，随着输入长度变长，MiniMax-Text-01是性能衰减最慢的模型，显著优于Google Gemini。
受益于我们的架构创新，我们的模型在处理长输入的时候有非常高的效率，接近线性复杂度。和其他全球顶尖模型的对比如下：
在大部份的学术集上，我们都取得了比肩海外第一梯队的结果：
在长上下文的测评集上，我们显著领先：
在400万的Needle-In-A-Haystack（大海捞针）检索任务上全绿：
在多模态理解的测试集中，MiniMax-VL-01的模型也较为领先：
