MiniMax: MiniMax M1

MiniMax M1 is een tekstmodel van MiniMax, uitgebracht op 17 juni 2025. Het is een grootschalig redeneermodel met open gewichten, gebouwd voor uitgebreide context en zeer efficiënte inferentie. Onder de motorkap gebruikt het een hybride Mixture-of-Experts-architectuur in combinatie met een speciaal "lightning attention"-mechanisme, wat de ontwerpkeuze is achter het lange-contextgedrag. Als je een model kiest voor een workload die redeneren combineert met zeer grote inputs, dan is dit de familie waartoe het behoort.

Het model is tekst in en tekst uit. Het accepteert tekstprompts en retourneert tekst, met een contextvenster van 1.000.000 tokens en een maximale uitvoer van 40.000 tokens. De kennisafsluitdatum is 30 juni 2024, dus alles na die datum moet uit de prompt komen en niet uit de eigen training van het model. Redeneren maakt deel uit van wat het model doet, en de API stelt dit beschikbaar: je kunt redeneeruitvoer opvragen en inspecteren via de parameters reasoning en include_reasoning, in plaats van het model te behandelen als een gewoon completion-endpoint.

De voor de hand liggende use cases volgen uit die combinatie. Een context van een miljoen tokens past bij werk over zeer grote documenten: volledige codebases, lange transcripten, contractensets, onderzoekscorpora of logdumps die anders opgesplitst en opgehaald zouden moeten worden. Het redeneergedrag past bij taken waarbij het antwoord baat heeft bij tussenstappen, zoals meerstapsanalyse, gestructureerd probleemoplossen of debuggen. Tool-ondersteuning maakt het bruikbaar in agent-achtige loops waarin het model functies aanroept en verdergaat met hun resultaten. Het uitvoerplafond van 40.000 tokens betekent dat lange generaties haalbaar zijn, maar voor een enkel kort antwoord is het veel meer ruimte dan de meeste verzoeken nodig hebben.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id "minimax/minimax-m1". Omdat de interface OpenAI-compatibel is, werken bestaande clients en SDK's met een wijziging van de base URL en het model-id. De request-parameters die het ondersteunt zijn frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, repetition_penalty, seed, stop, temperature, tool_choice, tools, top_k en top_p. In de praktijk dekt dat sampling-besturing (temperature, top_p, top_k), straffen voor herhaling en aanwezigheid, deterministische runs via seed, stopcondities, uitvoerlengte via max_tokens, en function calling via tools en tool_choice, plus de redeneervlaggen.

Het is de moeite waard om op te merken voordat je je vastlegt: invoer en uitvoer zijn alleen tekst, dus beeld, audio of andere modaliteiten vereisen een ander model. De kennisafsluitdatum van 30 juni 2024 betekent dat recente informatie in de prompt moet worden aangeleverd. En een venster van 1.000.000 tokens is een mogelijkheid, geen instructie; als je taak een korte classificatie is of een eenvoudige chatbeurt, zal een kleiner model meestal de verstandiger keuze zijn.