中國AI公司MiniMax推出新LLM，支援400萬Token與多模態應用
<div class="field field-name-field-news-column-category field-type-taxonomy-term-reference field-label-hidden"><div class="field-items"><div class="field-item even"><a href="/tags/%E6%96%B0%E8%81%9E">新聞</a></div></div></div><div class="field field-name-body field-type-text-with-summary field-label-hidden"><div class="field-items"><div class="field-item even"> <p>中國人工智慧公司MiniMax<a href="https://www.minimaxi.com/en/news/minimax-01-series-2">推出MiniMax-01系列模型</a>，其中包含語言模型MiniMax-Text-01和視覺多模態模型MiniMax-VL-01。這兩款模型在超長上下文處理和多模態理解方面表現出色。具有4,560億參數的MiniMax-Text-01支援長達400萬Token的上下文處理能力，並在多項基準測試中與OpenAI、Anthropic等頂尖模型表現接近，而MiniMax-VL-01則專注於文本與影像的多模態應用。</p> <p>MiniMax-Text-01在Hugging Face上所公開的<a href="https://huggingface.co/MiniMaxAI/MiniMax-Text-01#ruler">多項核心基準測試</a>表現引人關注。在通用多任務語言理解MMLU測試中，其得分為88.5，與Claude-3.5-Sonnet和DeepSeek-V3等模型旗鼓相當。而在長文本處理的Needle-In-A-Haystack測試中，官方提到，MiniMax-Text-01在400萬Token的檢索任務中達成100%準確率，展現其對超長文本的穩定處理能力。</p> <p>相比之下，其他模型在處理長文本時的性能下降較為明顯，例如GPT-4o在上下文長度達1.6萬Token時準確率降至89％，Claude-3.5-Sonnet在超過12.8萬Token時，準確率下降至約93.8%。Google主打可處理長上下文的模型Gemini-2.0-Flash，也在25.6萬Token測試中準確率降至79.7％。而MiniMax-Text-01在100萬Token的超長文本環境中，仍能穩定保持91%的準確率。</p> <p>此外，MiniMax-Text-01在翻譯與推理基準測試MTOB和GPQA中，長文本翻譯精度和複雜推理任務均表現穩定。</p> <p>MiniMax-01系列模型採用新架構，結合Lightning Attention、Mixture-of-Experts (MoE) 和Softmax Attention，實現高效計算資源分配。在推理過程中，其計算效率接近線性複雜度，這代表在處理長文本時能以更低的資源成本完成高效推論。</p> <p>官方還公布了MiniMax-VL-01在多模態基準測試中的結果，其在影像與文本整合應用中的能力突出，適用於智慧助理和多媒體內容生成等場景。此外，MiniMax提供具競爭力的API價格，每百萬輸入Token只要0.2美元，每百萬Token輸出僅需1.1美元。</p> <p>不過，MiniMax為一家中國人工智慧公司，其模型在設計和開發過程受到中國政府的審查與政策約束，這可能在處理涉及政策敏感問題的應用場景時產生一定限制。因此，企業在採用MiniMax模型時，應充分考慮其技術特性和可能產生的風險。</p> </div></div></div>
