MiniMax · 2025-06 · MoE متناثر
MiniMax-M1
MiniMax-M1 هو محول انتباه الاستعلامات المجمّعة (GQA) أصدره MiniMax في 2025-06، ويضم 80 طبقة وبعداً مخفياً قدره 6144 ونافذة سياق تبلغ 10,240,000 رمزاً.
كومة الطبقات
خطي ×70 الانتباه ×10 · الطبقات 80
حقائق رئيسية
| المعمل | MiniMax |
|---|---|
| تاريخ الإصدار | 2025-06 |
| المعاملات | 456 مليار |
| النشطة | 45.9 مليار |
| السياق | 10,240,000 tokens |
| الانتباه | GQA (64:8) |
| الطبقات | 80 |
| بعد الطبقة المخفية | 6,144 |
| رؤوس الانتباه | 64 |
| حجم المفردات | 200,064 |
| ترميز الموضع | RoPE |
| التطبيع | RMSNorm |
| دالة التنشيط | silu |
| الدقة | bf16 |
| فئة المعمارية | MiniMaxForCausalLM |
نظرة عامة على المعمارية
الانتباه
انتباه الاستعلامات المجمّعة (GQA) — 64 q-heads / 8 kv-heads. RoPE θ=10,000,000.
الشبكة التغذية / MoE
هو مزيج خبراء متناثر يضم 32 خبيراً موجهاً بتوجيه top-2؛ ونحو 45.9 مليار معامل نشطة لكل رمز.
مقارنة حقل بحقل
المقارنة مع النموذج السابق في المعمل نفسه؛ وإن لم يوجد فمع النموذج الأقرب بنيوياً. عمود النسبة = هذا النموذج ÷ نموذج المقارنة.
مقارنة كاملة بالسابق MiniMax-Text-01
| النموذج | MiniMax-M1 | MiniMax-Text-01 | النسبة |
|---|---|---|---|
| model_type | minimax | minimax | ＝ |
| architectures | MiniMaxForCausalLM | MiniMaxForCausalLM | ＝ |
| hidden_size | 6144 | 6144 | ≈1 |
| num_hidden_layers | 80 | 80 | ≈1 |
| num_attention_heads | 64 | 64 | ≈1 |
| num_key_value_heads | 8 | 8 | ≈1 |
| head_dim | 128 | 128 | ≈1 |
| intermediate_size | 9216 | 9216 | ≈1 |
| hidden_act | silu | silu | ＝ |
| num_experts_per_tok | 2 | 2 | ≈1 |
| rope_theta | 10000000 | 10000000 | ≈1 |
| max_position_embeddings | 10240000 | 10240000 | ≈1 |
| rms_norm_eps | 0.00001 | 0.00001 | ≈1 |
| vocab_size | 200064 | 200064 | ≈1 |
| attention_dropout | 0 | 0 | ＝ |
| layer_types | linear_attention×70 + full_attention×10 | linear_attention×70 + full_attention×10 | ＝ |
| initializer_range | 0.02 | 0.02 | ≈1 |
| full_attn_alpha_factor | 3.5565588200778455 | 3.5565588200778455 | ≈1 |
| full_attn_beta_factor | 1 | 1 | ≈1 |
| linear_attn_alpha_factor | 3.5565588200778455 | 3.5565588200778455 | ≈1 |
| linear_attn_beta_factor | 1 | 1 | ≈1 |
| mlp_alpha_factor | 3.5565588200778455 | 3.5565588200778455 | ≈1 |
| mlp_beta_factor | 1 | 1 | ≈1 |
| num_local_experts | 32 | 32 | ≈1 |
| output_router_logits | false | false | ＝ |
| postnorm | true | true | ＝ |
أكثر المعماريات تشابهاً
- MiniMax-Text-01 (MiniMax, 2025-01) 1.000
- Qwen3 235B A22B (Qwen, 2025-04) 0.991
- GLM-4.6 (GLM, 2025-10) 0.990
- GLM-4.5 (GLM, 2025-07) 0.989
- Mixtral 8x22B (Mistral, 2024-04) 0.988
- GLM-4.5-Air (GLM, 2025-07) 0.984
تتراوح درجات التشابه من 0 (لا سمات فئوية مشتركة) إلى 1 (ملفات بنيوية متطابقة).
حقول config.json الخام
34 حقل
| architectures | MiniMaxForCausalLM |
|---|---|
| attention_dropout | 0 |
| layer_types | linear_attention×70 + full_attention×10 |
| head_dim | 128 |
| hidden_act | silu |
| hidden_size | 6144 |
| initializer_range | 0.02 |
| intermediate_size | 9216 |
| full_attn_alpha_factor | 3.5565588200778455 |
| full_attn_beta_factor | 1 |
| linear_attn_alpha_factor | 3.5565588200778455 |
| linear_attn_beta_factor | 1 |
| mlp_alpha_factor | 3.5565588200778455 |
| mlp_beta_factor | 1 |
| max_position_embeddings | 10240000 |
| model_type | minimax |
| num_attention_heads | 64 |
| num_experts_per_tok | 2 |
| num_hidden_layers | 80 |
| num_key_value_heads | 8 |
| num_local_experts | 32 |
| output_router_logits | false |
| postnorm | true |
| rms_norm_eps | 0.00001 |
| rope_theta | 10000000 |
| rotary_dim | 64 |
| router_aux_loss_coef | 0.001 |
| router_jitter_noise | 0 |
| shared_intermediate_size | 0 |
| shared_moe_mode | sigmoid |
| tie_word_embeddings | false |
| transformers_version | 4.45.2 |
| use_cache | true |
| vocab_size | 200064 |