
Minimax M1 40k
MiniMax M1 の 40K 思考バジェットバージョンで、性能と効率のバランスが良好です。456B の総パラメータアーキテクチャと Lightning Attention メカニズムを維持し、AIME 2024 で 83.3% の精度を達成、SWE-bench Verified で 55.6% を達成しました。80K バージョンと比較してより高速な推論速度を提供し、応答時間が要求される複雑な推論タスクに適しています。
インテリジェンス(比較的強い)
速度(遅い)
入力サポートモダリティ
はい
推論モデルかどうか
1,000,000
コンテキストウィンドウ
-
最大出力トークン
-
知識カットオフ
価格設定
- /M tokens
入力
- /M tokens
出力
¥5.94 /M tokens
混合価格
クイック簡易比較
MiniMax-Text-01
¥0.14
MiniMax-Text-01
MiniMax M1 80k
基本パラメータ
MiniMax M1 40k技術パラメータ
パラメータ数
未発表
コンテキスト長
1.0M tokens
トレーニングデータカットオフ
オープンソースカテゴリ
Open Weights (Permissive License)
マルチモーダルサポート
テキストのみ
スループット
リリース日
2025-06-17
応答速度
12.075,414 tokens/s
ベンチマークスコア
以下はMiniMax M1 40kの様々な標準ベンチマークテストでのパフォーマンスです。これらのテストは、異なるタスクやドメインにおけるモデルの能力を評価します。
インテリジェンス指数
61.35
大規模言語モデルインテリジェンスレベル
コーディング指数
51.78
コーディングタスクにおけるAIモデルのパフォーマンス指標
数学指数
89.27
数学的問題の解決、数学的推論、または数学関連タスクの実行における能力指標
MMLU Pro
80.8
大規模マルチタスクマルチモーダル理解 - テキスト、画像、音声、ビデオの理解をテスト
GPQA
68.2
大学院物理学問題評価 - ダイヤモンド科学レベルの問題で高度な物理学知識をテスト
HLE
7.5
Hugging Face Open LLMリーダーボードにおけるモデルの包括的な平均スコア
LiveCodeBench
65.7
実世界のコード作成とプログラミングコンテスト問題解決における大規模言語モデルの能力を評価する特定の評価
SciCode
37.8
科学計算または特定の科学分野のコード生成におけるモデルの能力
HumanEval
-
特定のHumanEvalベンチマークテストセットでAIモデルが達成したスコア
Math 500スコア
97.2
最初の500の大規模でよく知られた数学ベンチマークテストのスコア
AIMEスコア
81.3
高難度の数学競技問題(特にAIMEレベル)を解決するAIモデルの能力を測定する指標
GPT 5 Mini
openai

¥1.8
入力トークン/百万
¥14.4
出力トークン/百万
400k
コンテキスト長
GPT 5 Standard
openai

¥63
入力トークン/百万
¥504
出力トークン/百万
400k
コンテキスト長
GPT 5 Nano
openai

¥0.36
入力トークン/百万
¥2.88
出力トークン/百万
400k
コンテキスト長
GPT 5
openai

¥9
入力トークン/百万
¥72
出力トークン/百万
400k
コンテキスト長
GLM 4.5
chatglm

¥0.43
入力トークン/百万
¥1.01
出力トークン/百万
131k
コンテキスト長
Gemini 1.0 Pro
google

¥3.6
入力トークン/百万
¥10.8
出力トークン/百万
33k
コンテキスト長
Gemini 2.0 Flash Lite (Preview)
google

¥0.58
入力トークン/百万
¥2.16
出力トークン/百万
1M
コンテキスト長
GPT 4
openai

¥216
入力トークン/百万
¥432
出力トークン/百万
8192
コンテキスト長