Área de investigación
MiniMax
4 publicaciones en el archivo.
MiniMax M2.7: un modelo orientado a la autoevolución e ingeniería de software
MiniMax presenta M2.7, diseñado para operar agentes autónomos, optimizar su propio entorno de ejecución y alcanzar un 56.22% en el benchmark SWE-Pro.
MiniMax M2.1: Modelo MoE de 230B parámetros
MiniMax libera M2.1 con arquitectura Mixture of Experts (10B activos). Supera a Claude Sonnet 4.5 en SWE-bench Verified y presenta OctoCodingBench para evaluar cumplimiento de instrucciones de proceso.
MiniMax M2: Arquitectura MoE con 230 mil millones de parámetros
MiniMax presenta M2, un modelo Mixture of Experts con 230 mil millones de parámetros totales y 10 mil millones activos. Diseñado específicamente para flujos de trabajo de codificación y agentes autónomos, se publica con pesos abiertos y una licencia modificada MIT.
MiniMax-M1: Arquitectura híbrida MoE con contexto de 1M tokens
MiniMax libera los pesos de M1-80k y M1-40k bajo licencia Apache 2.0. El modelo implementa atención lineal para escalar la inferencia a 1 millón de tokens y utiliza el nuevo algoritmo de alineación CISPO.