MiniMax開源4M超長上下文新模型！性能比肩DeepSeek-v3、GPT-4o
開源模型上下文窗口卷到超長，達400萬token！
剛剛，“大模型六小強”之一MiniMax開源最新模型——
MiniMax-01系列，包含兩個模型：基礎語言模型MiniMax-Text-01、視覺多模態模型MiniMax-VL-01。
MiniMax-01首次大規模擴展了新型Lightning Attention架構，替代了傳統Transformer架構，使模型能夠高效處理4M token上下文。
在基準測試中，MiniMax-01性能與頂級閉源模型表現相當。
MiniMax-Text-01性能與前段時間大火的DeepSeek-V3、GPT-4o等打的有來有回：
如下圖(c)所示，當上下文超過20萬token，MiniMax-Text-01的優勢逐漸明顯。
在預填充延遲方面也有顯著優勢，在處理超長上下文時更高效，延遲更低：
網友直呼“難以置信”：
開放權重，擁有400萬token的上下文窗口！我原本以為這可能要五年后才會實現。
官方表示，MiniMax-01是為支持之后Agent相關應用而預備的：
因為Agent越來越需要擴展的上下文處理能力和持續的內存。
目前官方還公開了MiniMax-01的68頁技術論文，并且已將MiniMax-01在Hailuo AI上部署了，可免費試用。
另外，新模型API價格也被打下來了：
輸入每百萬token0.2美元，輸出每百萬token1.1美元。
下面是模型更多細節。
4M超長上下文
MiniMax-Text-01
MiniMax-Text-01，參數456B，每次推理激活45.9B。
它創新性地采用了混合架構，結合了Lightning Attention、Softmax Attention以及Mixture-of-Experts（MoE）。
并且通過LASP+、varlen ring attention、ETP等優化的并行策略和高效的計算通信重疊方法，MiniMax-Text-01訓練上下文長度達100萬token，推理時可以擴展到400萬token上下文。
模型架構細節如下：
在Core Academic Benchmark上，MiniMax-Text-01在GPQA Diamond上獲得54.4分，超越GPT-4o。
在長基準測試之4M大海撈針測試，MiniMax-Text-01一水兒全綠。
也就是說，這400萬上下文里，有細節MiniMax-Text-01是真能100%捕捉到。
除此之外，還有LongBench v2、Ruler基準測試，考驗的是模型長上下文理解能力，包含基于長上下文輸入的邏輯推理能力。
MiniMax-Text-01模型在處理Ruler的長上下文推理任務時表現出顯著的優勢。
在64K輸入級別的表現與頂尖模型GPT-4o、Claude-3.5-Sonnet等競爭力相當，變化微小，但從128K開始顯現出明顯的優勢，并超越了所有基準模型。
LongBench-V2包括不同難度級別的問答任務，涵蓋多種上下文類型，包括單文檔和多文檔、多輪對話、代碼倉庫和長結構化數據等。團隊考慮了兩種測試模式：不使用思維鏈推理（w/o CoT）和使用思維鏈推理（w/ CoT）。
MiniMax-Text-01在w/ CoT設置中實現了所有評估系統中的最佳結果，在w/o CoT中表現也很顯著。
團隊還用MTOB（ Machine Translation from One Book）數據集評估了模型從上下文中學習的能力。
該任務要求模型在英語和Kalamang（一種在公開數據中非常有限的語言）之間進行翻譯，因此在訓練語料庫中，LLM僅從一部語法書的部分內容和375個翻譯示例中學習該語言。
測試結果顯示，MiniMax-Text-01在無上下文場景下eng→kalam (ChrF)得分最低，團隊認為其它模型可能是在預訓練或后訓練數據中集加入了kalam相關數據。在delta half book和full book上，MiniMax-Text-01超過了所有模型。
在kalam→eng(BLEURT)得分上MiniMax-Text-01也與其它模型表現相當。
MiniMax-VL-01
MiniMax-VL-01采用多模態大語言模型常用的“ViT-MLP-LLM”框架：
- 一個具有3.03億參數的ViT用于視覺編碼
- 一個隨機初始化的雙層MLP projector用于圖像適配
- 以及作為基礎LLM的MiniMax-Text-01
MiniMax-VL-01特別具有動態分辨率功能，可以根據預設網格調整輸入圖像的大小，分辨率從336×336到2016×2016不等，并保留一個336×336的縮略圖。
調整后的圖像被分割成大小相同的不重疊塊，這些塊和縮略圖分別編碼后組合，形成完整的圖像表示。
MiniMax-VL-01的訓練數據涵蓋標題、描述和指令。ViT從頭開始在6.94億圖像-標題對上進行訓練。在訓練過程的四個階段，處理了總計5120億token。
最終，MiniMax-VL-01 在多模態排行榜上表現突出，證明了其在處理復雜多模態任務中的優勢和可靠性。
網友們已開始第一波實測
得知新模型已在Hailuo AI上部署，網友們已緊忙趕往測試。
有網友使用相同的prompt將它和Gemini、o1對比，感嘆MiniMax-01表現令人印象深刻。
下面這個測試也沒能難倒它：
給我5個奇數，這些數的英文拼寫中不包含字母“e”。
感興趣的童鞋可以玩起來了。
技術論文：https://filecdn.minimax.chat/_Arxiv_MiniMax_01_Report.pdf
