MiniMax · 2026-02 · MoE متناثر

MiniMax-M2.5

MiniMax-M2.5 هو محول انتباه الاستعلامات المجمّعة (GQA) أصدره MiniMax في 2026-02، ويضم 62 طبقة وبعداً مخفياً قدره 3072 ونافذة سياق تبلغ 196,608 رمزاً.

كومة الطبقات

الانتباه ×62 · الطبقات 62

مرسوم من config.json المرفق · 62 طبقة / العرض 3,072 / السياق 196,608. رسم أصلي من هذا الأطلس.

انتباه الاستعلامات المجمّعة (GQA) — 48 q-heads / 8 kv-heads. RoPE θ=5,000,000.

هو مزيج خبراء متناثر يضم 256 خبيراً موجهاً بتوجيه top-8؛ ونحو 10.6 مليار معامل نشطة لكل رمز.

يتضمن الإعداد 3 طبقات إضافية للتنبؤ متعدد الرموز (MTP) تُستخدم لتسريع فك الترميز.

المقارنة مع النموذج السابق في المعمل نفسه؛ وإن لم يوجد فمع النموذج الأقرب بنيوياً. عمود النسبة = هذا النموذج ÷ نموذج المقارنة.

مقارنة كاملة بالسابق MiniMax-M2

النموذج	MiniMax-M2.5	MiniMax-M2	النسبة
model_type	`minimax_m2`	`minimax_m2`	＝
architectures	`MiniMaxM2ForCausalLM`	`MiniMaxM2ForCausalLM`	＝
hidden_size	`3072`	`3072`	≈1
num_hidden_layers	`62`	`62`	≈1
num_attention_heads	`48`	`48`	≈1
num_key_value_heads	`8`	`8`	≈1
head_dim	`128`	`128`	≈1
intermediate_size	`1536`	`1536`	≈1
hidden_act	`silu`	`silu`	＝
num_experts_per_tok	`8`	`8`	≈1
rope_theta	`5000000`	`5000000`	≈1
max_position_embeddings	`196608`	`196608`	≈1
rms_norm_eps	`0.000001`	`0.000001`	≈1
vocab_size	`200064`	`200064`	≈1
attn_type_list	`1×62`	`1×62`	＝
mtp_transformer_layers	`1`	`1`	≈1
num_local_experts	`256`	`256`	≈1
num_mtp_modules	`3`	`3`	≈1
qk_norm_type	`per_layer`	`per_layer`	＝
rotary_dim	`64`	`64`	≈1
scoring_func	`sigmoid`	`sigmoid`	＝
shared_intermediate_size	`0`	`0`	＝
tie_word_embeddings	`false`	`false`	＝
transformers_version	`4.46.1`	`4.57.1`	≠
use_cache	`true`	`true`	＝
use_mtp	`true`	`true`	＝

MiniMax-M2 (MiniMax, 2025-10) 1.000
MiniMax-M2.7 (MiniMax, 2026-04) 1.000
Qwen3.8-Flash-Next (Qwen, 2026-08) 0.934
GLM-4.5-Air (GLM, 2025-07) 0.934
Qwen3-Next 80B A3B (Qwen, 2025-09) 0.933
Qwen3-Coder-Next (Qwen, 2026-01) 0.933

تتراوح درجات التشابه من 0 (لا سمات فئوية مشتركة) إلى 1 (ملفات بنيوية متطابقة).

28 حقل