MiniMax · 2025-01 · 稀疏 MoE
MiniMax-Text-01
MiniMax-Text-01 是 MiniMax 于 2025-01 发布的 分组查询注意力（GQA） Transformer，共 80 层，隐藏维度 6144，上下文窗口 10,240,000 个 token。
层堆栈
线性 ×70 注意力 ×10 · 层数 80
关键参数
| 实验室 | MiniMax |
|---|---|
| 发布时间 | 2025-01 |
| 总参数 | 456 B |
| 激活参数 | 45.9 B |
| 上下文 | 10,240,000 tokens |
| 注意力 | GQA (64:8) |
| 层数 | 80 |
| 隐藏维度 | 6,144 |
| 注意力头 | 64 |
| 词表 | 200,064 |
| 位置编码 | RoPE |
| 归一化 | RMSNorm |
| 激活函数 | silu |
| 训练精度 | bf16 |
| 架构类名 | MiniMaxForCausalLM |
架构概览
注意力
分组查询注意力（GQA） — 64 q-heads / 8 kv-heads. RoPE θ=10,000,000.
前馈 / MoE
它是稀疏混合专家模型：32 个路由专家、top-2 路由；每个 token 约激活 45.9B 参数。
字段级对比
对比对象为同实验室的上一代模型；无前代时取结构最相似的模型。倍数列 = 本模型数值 ÷ 对比模型数值。
与最相似 MiniMax-M1 的全字段对比
| 模型 | 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 | ＝ |
结构最相似的模型
- 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
相似度取值范围 0（无共同类别特征）到 1（结构画像完全一致）。
原始 config 字段
34 个字段
| 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 |