MiniMax · 2025-01 · スパースMoE
MiniMax-Text-01
MiniMax-Text-01 は MiniMax が 2025-01 に公開した グループ化クエリ注意（GQA） Transformer です。80 層、隠れ次元 6144、コンテキスト長 10,240,000 トークン。
層スタック
線形 ×70 注意機構 ×10 · 層数 80
主要スペック
| 開発元 | MiniMax |
|---|---|
| 公開日 | 2025-01 |
| 総パラメータ | 456 B |
| 活性パラメータ | 45.9 B |
| コンテキスト | 10,240,000 tokens |
| 注意機構 | GQA (64:8) |
| 層数 | 80 |
| 隠れ次元 | 6,144 |
| 注意ヘッド | 64 |
| 語彙数 | 200,064 |
| 位置エンコーディング | RoPE |
| 正規化 | RMSNorm |
| 活性化関数 | silu |
| 学習精度 | bf16 |
| アーキテクチャクラス | MiniMaxForCausalLM |
アーキテクチャ概要
注意機構
グループ化クエリ注意（GQA） — 64 q-heads / 8 kv-heads. RoPE θ=10,000,000.
FFN / MoE
スパースなMixture-of-Expertsモデルで、32 個のルーティングエキスパートと top-2 ルーティングを持ち、トークンごとに約 45.9B のパラメータが活性化します。
フィールド単位の比較
同一開発元の前世代モデルと比較します。前世代がない場合は構造最相似モデルと比較。倍数欄 = 本モデル ÷ 比較対象。
最相似 MiniMax-M1 との全フィールド比較
| モデル | MiniMax-Text-01 | MiniMax-M1 | 倍数 |
|---|---|---|---|
| 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 | ＝ |
構造が最も近いモデル
- MiniMax-M1 (MiniMax, 2025-06) 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
類似度は 0（共通のカテゴリ特徴なし）から 1（構造プロファイルが完全に一致）の範囲です。
config.json の全フィールド
34 フィールド
| 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 |