MiniMax-M1 je zmogljiv odprtokodni AI model z izjemno dolgim kontekstom, učinkovito porabo virov in brezplačno uporabo.
Kitajsko tehnološko podjetje MiniMax je predstavilo nov velik jezikovni model z imenom MiniMax-M1, ki je po zmogljivosti primerljiv z vodilnimi modeli, kot sta GPT-4 in DeepSeek. Model je odprtokoden in brezplačno dostopen, kar pomeni, da ga lahko uporablja in prilagaja vsakdo.
MiniMax-M1 tekmuje predvsem z drugimi odprtokodnimi velikimi jezikovnimi modeli (LLM), ki ponujajo visoko zmogljivost, dolge kontekste in funkcijsko razmišljanje. Torej predstavlja glavno konkurenco drugim modelom, ki so izdani pod odprto kodo, kot so LLaMA 3, DeepSeek, Gemma ali Qwen 3.
MiniMax-M1 podpira obdelavo do 1 milijona tokenov, kar omogoča analizo zelo dolgih dokumentov, kot so knjige ali programske kode. Po trenutnih podatkih gre za model z največjo kontekstno dolžino med vsemi odprtokodnimi rešitvami.
Posebnost modela je uporaba arhitekture “Mixture of Experts” in nove metode “Lightning Attention”, s katero zmanjša porabo strojnih virov. Aktivira le del svojih 456 milijard parametrov, kar omogoča učinkovito delovanje tudi pri daljših analizah.
Model je bil treniran v treh tednih na 512 H800 grafičnih procesorjih. Celoten strošek treninga je znašal približno 535.000 ameriških dolarjev, kar je občutno manj kot pri primerljivih projektih v ZDA.
Tako nizka cena treniranja je sama po sebi impresivna. OpenAI je za model GPT-4 porabil okoli 100 milijonov dolarjev. Kar pomeni, da je MiniMax-M1 potreboval približno 0,5 % stroška GPT-4 oziroma da je kar 200-krat cenejši.
MiniMax-M1 je na voljo v dveh različicah (40k in 80k), licenciran pa je pod odprtokodno licenco Apache 2.0. Razvijalci lahko model prenesejo z GitHuba ali Hugging Face in ga vključijo v svoje aplikacije. Vendar pozor: priporočena konfiguracija je 2× A100 (80 GB) ali 4× RTX 6000 Ada (48 GB).
