MiniMax: MiniMax M1

MiniMax M1 est un modèle de texte de MiniMax, publié le 17 juin 2025. C'est un modèle de raisonnement à grande échelle et à poids ouverts, conçu pour un contexte étendu et une inférence très efficace. En interne, il utilise une architecture hybride Mixture-of-Experts associée à un mécanisme personnalisé de "lightning attention", ce qui constitue le choix de conception à l'origine de son comportement en contexte long. Si vous choisissez un modèle pour une charge de travail qui mêle raisonnement et entrées très volumineuses, c'est la famille à laquelle il appartient.

Le modèle prend du texte en entrée et produit du texte en sortie. Il accepte des invites textuelles et renvoie du texte, avec une fenêtre de contexte de 1 000 000 de tokens et une sortie maximale de 40 000 tokens. Sa date de coupure des connaissances est le 30 juin 2024, donc tout ce qui est postérieur à cette date doit provenir de l'invite plutôt que de l'entraînement du modèle. Le raisonnement fait partie de ce que fait le modèle, et l'API l'expose : vous pouvez demander une sortie de raisonnement et l'inspecter via les paramètres reasoning et include_reasoning plutôt que de traiter le modèle comme un simple point de terminaison de complétion.

Les cas d'usage évidents découlent de cette combinaison. Un contexte d'un million de tokens convient au travail sur de très gros documents : bases de code entières, longues transcriptions, ensembles de contrats, corpus de recherche ou journaux de logs qui nécessiteraient autrement un découpage et de la récupération. Le comportement de raisonnement convient aux tâches où la réponse bénéficie d'étapes intermédiaires, comme l'analyse en plusieurs étapes, la résolution structurée de problèmes ou le débogage. La prise en charge des outils le rend utilisable dans des boucles de type agent où le modèle appelle des fonctions et poursuit à partir de leurs résultats. Le plafond de sortie de 40 000 tokens signifie que les générations longues sont viables, mais pour une seule réponse courte, c'est bien plus de marge que ce dont la plupart des requêtes ont besoin.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "minimax/minimax-m1". Comme l'interface est compatible OpenAI, les clients et SDK existants fonctionnent avec un changement d'URL de base et d'identifiant de modèle. Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, repetition_penalty, seed, stop, temperature, tool_choice, tools, top_k et top_p. En pratique, cela couvre le contrôle de l'échantillonnage (temperature, top_p, top_k), les pénalités de répétition et de présence, les exécutions déterministes via seed, les conditions d'arrêt, la longueur de sortie via max_tokens, et l'appel de fonctions via tools et tool_choice, plus les indicateurs de raisonnement.

À noter avant de vous engager : l'entrée et la sortie sont uniquement du texte, donc l'image, l'audio ou d'autres modalités nécessitent un modèle différent. La date de coupure des connaissances du 30 juin 2024 signifie que les informations récentes doivent être fournies dans l'invite. Et une fenêtre de 1 000 000 de tokens est une capacité, pas une instruction ; si votre tâche est une classification courte ou un simple tour de conversation, un modèle plus petit sera généralement le choix plus judicieux.