Der erste Eintrag ist immer die Quelle des Pins. Die Gesamtsicherheit ist ein gewichteter Durchschnitt, wie fest jeder Beleg die oben verwendeten Start- und Endzeiten stützt; ein Beleg zählt für je 180 Tage, die er älter ist als der neueste, nur halb so viel.
Der Nachrichtenbeitrag von MiniMax ist auf den 06.16.2025 datiert, und der technische Bericht wurde am 16. Juni 2025 bei arXiv[6] eingereicht; Analytics Vidhya[3] (18. Juni) schreibt, M1 sei am Tag 1 der MiniMaxWeek veröffentlicht worden, und OpenRouter[4] führt minimax/minimax-m1 am 17. Juni (UTC).
China Daily item on the Shanghai government site, 24 June 2025: MiniMax[1]-M1 is the world's first open-source, large-scale, hybrid-attention reasoning model with performance on par with top players, followed by the Hailuo 02 video model on 18 June and MiniMax Agent on 19 June.
Analytics Vidhya, 18 June 2025: M1 released on day 1 of the five-day MiniMaxWeek under Apache 2.0, 1M input and 80K output tokens, hands-on tests of an animation simulation, a web-search task and a logic puzzle, plus the MiniMax[1] Agent beta.
OpenRouter listing (read from its models API): MiniMax[1]: MiniMax M1, added 17 June 2025, 1,000,000-token context, $0.55 per million input and $2.20 per million output tokens.
Model card: 456B total and 45.9B active parameters, 1M-token context (8x DeepSeek R1), 40K and 80K thinking budgets, Apache 2.0, CISPO, about 25% of DeepSeek-R1 FLOPs at 100K tokens, and the full benchmark table with notes on SWE-bench and TAU-bench setups.[1]
Fehlt etwas oder stimmt etwas nicht? Sag es in deinen eigenen Worten: ein Link, der diesen Pin belegt, ein anderes Start- oder Enddatum und warum, oder eine Angabe, die fehlt oder falsch ist. Die KI prüft es an den Quellen dieses Pins, sucht nach besseren und ergänzt jede Seite, die dich bestätigt. Die eigenen Quellen des Pins zählen weiterhin am meisten. Auch Bilder sieht sich die KI an: Eines, das etwas anderes oder die Sache schlecht zeigt, wird nach hinten gestellt oder ersetzt.
Originaltitel: MiniMax-M1 Released
Die Ergebnistabelle aus der Modellkarte von MiniMax-M1 (Denkbudget in Klammern); "--" nicht angegeben, "*" reine Text-Teilmenge von HLE[5].
| Benchmark | MiniMax-M1-80K | MiniMax-M1-40K | Qwen3-235B-A22B (32k) | DeepSeek-R1-0528 (64k) | DeepSeek-R1 (32k) | Seed-Thinking-v1.5 (32k) | Claude 4 Opus (64k) | Gemini 2.5 Pro 06-05 (64k) | OpenAI-o3 (100k) |
|---|---|---|---|---|---|---|---|---|---|
| AIME 2024 | 86.0 | 83.3 | 85.7 | 91.4 | 79.8 | 86.7 | 76.0 | 92.0 | 91.6 |
| AIME 2025 | 76.9 | 74.6 | 81.5 | 87.5 | 70.0 | 74.0 | 75.5 | 88.0 | 88.9 |
| MATH-500 | 96.8 | 96.0 | 96.2 | 98.0 | 97.3 | 96.7 | 98.2 | 98.8 | 98.1 |
| LiveCodeBench | 65.0 | 62.3 | 65.9 | 73.1 | 55.9 | 67.5 | 56.6 | 77.1 | 75.8 |
| FullStackBench | 68.3 | 67.6 | 62.9 | 69.4 | 70.1 | 69.9 | 70.3 | -- | 69.3 |
| GPQA Diamond | 70.0 | 69.2 | 71.1 | 81.0 | 71.5 | 77.3 | 79.6 | 86.4 | 83.3 |
| HLE (ohne Werkzeuge) | 8.4* | 7.2* | 7.6* | 17.7* | 8.6* | 8.2 | 10.7 | 21.6 | 20.3 |
| ZebraLogic | 86.8 | 80.1 | 80.3 | 95.1 | 78.7 | 84.4 | 95.1 | 91.6 | 95.8 |
| MMLU-Pro | 81.1 | 80.6 | 83.0 | 85.0 | 84.0 | 87.0 | 85.0 | 86.0 | 85.0 |
| SWE-bench Verified | 56.0 | 55.6 | 34.4 | 57.6 | 49.2 | 47.0 | 72.5 | 67.2 | 69.1 |
| OpenAI-MRCR (128k) | 73.4 | 76.1 | 27.7 | 51.5 | 35.8 | 54.3 | 48.9 | 76.8 | 56.5 |
| OpenAI-MRCR (1M) | 56.2 | 58.6 | -- | -- | -- | -- | -- | 58.8 | -- |
| LongBench-v2 | 61.5 | 61.0 | 50.1 | 52.1 | 58.3 | 52.5 | 55.6 | 65.0 | 58.8 |
| TAU-bench (Fluggesellschaft) | 62.0 | 60.0 | 34.7 | 53.5 | -- | 44.0 | 59.6 | 50.0 | 52.0 |
| TAU-bench (Einzelhandel) | 63.5 | 67.8 | 58.6 | 63.9 | -- | 55.7 | 81.4 | 67.0 | 73.9 |
| SimpleQA | 18.5 | 17.9 | 11.0 | 27.8 | 30.1 | 12.9 | -- | 54.0 | 49.4 |
| MultiChallenge | 44.7 | 44.7 | 40.0 | 45.0 | 40.7 | 43.0 | 45.8 | 51.8 | 56.5 |