MiniMax M1'i yerel olarak çalıştırabilir miyim?

Hayır. Ruhen açık ağırlıklı olarak tanımlansa da MiniMax ağırlıkları halka açık bir depoya yayımlamadı, bu yüzden M1 şimdilik sadece API üzerinden kullanılabilir.

MiniMax M1'in maliyeti nedir ve bağlam uzunluğu ne kadardır?

MiniMax, milyon giriş tokenı başına 0,55$ ve milyon çıktı tokenı başına 2,20$ ücret alır; bağlam penceresi bir milyon tokendir.

M1, DeepSeek R1 veya Qwen3-235B ile nasıl karşılaştırılır?

Üçü de benzer parametre aralığında büyük MoE akıl yürütme modelleridir; MiniMax, M1'in SWE-bench ve MATH dahil birkaç kıyaslamada ikisinden daha iyi performans gösterdiğini bildiriyor, ancak DeepSeek R1 ve Qwen3-235B'nin sunduğu halka açık ağırlıklara sahip değil.

MiniMax M1

2011°

#llm #minimax #akıl yürütme #kodlama #ajanlar #uzun bağlam

Modeli çalıştır

Teklifler / Reklamlar

OpenRouter Terminal / API

Token başına ödeme

Bu modelle tarayıcıda sohbet edin veya tek bir API anahtarıyla kodunuzdan çağırın.

MiniMax | 1.000.000 token bağlamı | $0.55/M giriş, $2.20/M çıkış. MiniMax-M1, geniş bağlam ve yüksek verimlilikli çıkarım için tasarlanmış büyük ölçekli açık ağırlıklı bir akıl yürütme modelidir. Hibrit Mixture-of-Experts (MoE) mimarisi ile özel "lightning attention" mekanizmasını birleştirir; bu sayede 1 milyon token’a kadar uzun dizileri işleyebilir ve rekabetçi FLOP verimliliğini korur. Toplam 456 milyar parametreye ve token başına 45.9 milyar aktif parametreye sahiptir. CISPO adlı özel bir pekiştirmeli öğrenme hattı ile eğitilmiştir. M1, uzun bağlam anlama, yazılım mühendisliği, ajan…MiniMax | 1.000.000 token bağlamı | $0.55/M giriş, $2.20/M çıkış. MiniMax-M1, geniş bağlam ve yüksek verimlilikli çıkarım için tasarlanmış büyük ölçekli açık ağırlıklı bir akıl yürütme modelidir. Hibrit Mixture-of-Experts (MoE) mimarisi ile özel "lightning attention" mekanizmasını birleştirir; bu sayede 1 milyon token’a kadar uzun dizileri işleyebilir ve rekabetçi FLOP verimliliğini korur. Toplam 456 milyar parametreye ve token başına 45.9 milyar aktif parametreye sahiptir. CISPO adlı özel bir pekiştirmeli öğrenme hattı ile eğitilmiştir. M1, uzun bağlam anlama, yazılım mühendisliği, ajan tabanlı araç kullanımı ve matematiksel akıl yürütmede üstün performans gösterir. FullStackBench, SWE-bench, MATH, GPQA ve TAU-Bench gibi kıyaslamalarda güçlü sonuçlar elde eder ve DeepSeek R1 ile Qwen3-235B gibi diğer açık modelleri sıklıkla geride bırakır.

Bu model için rehberler

Açık ağırlıklar vs açık kaynak vs sadece API: aslında ne yapmana izin veriliyor

Ekim 2026'da bir Yapay Zeka modeli nasıl seçilir: kapalı kaynak haberleri, ardından indirilmeye değer açık ağırlıklar

2026'da En Ucuz 10 ChatGPT Alternatifi: Ücretsiz Yerel Modeller, Ücretsiz Katmanlar ve Sabit Ücretli Planlar

Tüm rehberler

Kaptanın notları

Captain tarafından yazıldı, ev editörü

2026-10-13 tarihli notlar

MiniMax M1, MiniMax tarafından geliştirilen 456 milyar parametreli bir MoE (uzman karışımı) akıl yürütme modelidir ve derin çok adımlı düşünme ile çok uzun bağlam gerektiren görevler için tasarlanmıştır—bir milyona kadar token destekler. Hibrit mimarisi, ölçeklenebilir verimli çıkarım için uzman karışımı ile özel bir lightning attention mekanizmasını birleştirir. Zor kodlama problemleri, ajan tabanlı iş akışları veya uzun belge akıl yürütme üzerinde çalışıyorsanız ve makul bir API fiyatıyla açık ağırlıklı bir model arıyorsanız, M1 ciddi şekilde incelenmeye değerdir.

İle tanınır

Gerçekten uzun belgeler veya kod tabanları için kullanılabilir bir milyon token bağlam penceresi.
SWE-bench ve FullStackBench dahil olmak üzere yazılım mühendisliği kıyaslamalarında güçlü performans.
Ajan tabanlı araç kullanımı eğitime entegre, sonradan eklenmiş değil.
Verimli MoE tasarımı: toplam 456B parametre, token başına sadece 45.9B aktif.
Karmaşık, çok adımlı akıl yürütme için özel bir RL (CISPO) hattı ile eğitilmiş.

Dikkat et

Ağırlıklar halka açık değil; sadece API üzerinden erişim var, yerel dağıtım yok.
Çıktı tokenları giriş tokenlarının dört katı maliyette—uzun akıl yürütme zincirleri hızla maliyeti artırır.
Model kartı detayları yayımlanmamış, lisans koşulları ve ince ayar hakları belirsiz.

En iyi

Kodlama

Ajanlar ve araç kullanımı

Muhakeme

Uzun bağlam

Matematik

Denenecek istemler

İnce bir eşzamanlılık hatasını hata ayıkla

Aşağıda, yük altında ara sıra RuntimeError hatası veren bir Python async fonksiyonu var. Olası tüm yarış durumlarını incele, hataya en çok neden olan durumu açıkla ve dış arayüzünü değiştirmeden fonksiyonu hatasız hale getirecek şekilde yeniden yaz. ```python async def fetch_and_cache(key, cache, fetch_fn): if key not in cache: cache[key] = await fetch_fn(key) return cache[key] ```

Çok adımlı araştırma ajanı planla

Son 12 ayda yayımlanmış açık ağırlıklı LLM'ler arasında kodlama görevlerinde dolar başına en iyi performansa sahip olan hangisidir? Bu soruyu yanıtlayan, çok adımlı bir araç kullanan ajan tasarla. Ajanın çağırması gereken araçları sırayla listele, her adımda toplaması gereken verileri belirt, çelişen kıyaslama kaynaklarını nasıl çözeceğini ve nihai çıktı formatının nasıl olması gerektiğini açıkla.

Katmanlı bir matematik problemini çöz

Bir fabrika, partiler halinde widget üretmektedir. Her parti 3 saat sürer ve 80 ile 120 arasında, eşit olasılıkla dağılan widget üretir. Fabrika günde 16 saat paralel olarak 2 makine çalıştırır. Siparişler Poisson süreciyle saatte ortalama 5 sipariş gelir, her biri tam 10 widget içerir. Fabrikanın 5 günlük bir haftada talebin 200 widget'tan fazla gerisinde kalma olasılığı nedir? Adım adım mantığını göster.

İle karşılaştır

MiniMax M3
Açık ağırlıklı model
1,048,576 token bağlam · $0.30/M girdi, $1.20/M çıktı
MiniMax M2.5
Açık ağırlıklı model
204,800 token bağlam · $0.27/M girdi, $0.95/M çıktı
MiniMax M2.1
Açık ağırlıklı model
204,800 token bağlam · $0.30/M girdi, $1.20/M çıktı
MiniMax M2
Açık ağırlıklı model
204,800 token bağlam · $0.26/M girdi, $1.02/M çıktı

minimax tarafından daha fazla metin modeli

İnsanların sorduğu sorular

MiniMax M1'i yerel olarak çalıştırabilir miyim?: Hayır. Ruhen açık ağırlıklı olarak tanımlansa da MiniMax ağırlıkları halka açık bir depoya yayımlamadı, bu yüzden M1 şimdilik sadece API üzerinden kullanılabilir.
MiniMax M1'in maliyeti nedir ve bağlam uzunluğu ne kadardır?: MiniMax, milyon giriş tokenı başına 0,55$ ve milyon çıktı tokenı başına 2,20$ ücret alır; bağlam penceresi bir milyon tokendir.
M1, DeepSeek R1 veya Qwen3-235B ile nasıl karşılaştırılır?: Üçü de benzer parametre aralığında büyük MoE akıl yürütme modelleridir; MiniMax, M1'in SWE-bench ve MATH dahil birkaç kıyaslamada ikisinden daha iyi performans gösterdiğini bildiriyor, ancak DeepSeek R1 ve Qwen3-235B'nin sunduğu halka açık ağırlıklara sahip değil.

Kaptanın kararı
Gerçekten kullanışlı bir milyon token bağlam penceresine sahip ciddi bir akıl yürütme modeli—sadece halka açık ağırlıkların olmamasıyla sınırlı.

Kaptan bu notları modelin kendi açıklaması ve model kartından yazıyor. Fiyatlar ve bağlam boyutları yazım anındaki sağlayıcıya aittir ve değişebilir.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bu skor nasıl hesaplanıyor

Bu modelin henüz herhangi bir kaynaktan popülerlik verisi yok, bu yüzden listelerin tamamlanması için 7,000° altında bir geçici sayı taşıyor. Verisi olan bir modelin önünde asla sıralanmaz. Bir kaynak rapor verdiğinde burada detaylar görünür.

Terimler: burada kullanılan ifadeler

Isı puanı: Bir modelin şu anda ne kadar kullanıldığı ve istendiğini gösteren tek sayı, 0° ile 9.999° arasında. Bu sitedeki en sıcak modeller listeleri buna göre sıralanır, başka hiçbir şeyle değil.
Taban: Gerçek verisi olan her modelin başladığı 7.000°. Ölçek 0° ile 9.999° arasında; tabanın altı veri olmayan modeller için ayrılmıştır, böylece veri olan model her zaman veri olmayanın üstünde yer alır. Taban herkes için aynıdır ve karar vermez; üzerindeki derece ölçümdür.
İndirme eşdeğerleri: Puanın indirme olarak saydığı her şeyin toplamı: indirmeler, her torrent seed'ı 1.000 olarak, her AI Horde resmi ve her jenerasyon sitesindeki çalışma bir olarak sayılır.
Logaritmik ölçek: Onluk sayma, bire bir değil: 1.000'den 10.000'e çıkmak, 10.000'den 100.000'e çıkmakla aynı dereceyi ekler. Devlerin diğerlerini gölgelemesini engeller.
Beğeniler: Her kaynaktan gelen beğeni ve onaylar, logaritmik ölçekte bir indirmenin yarısı değerinde.
Benimsenme oranı: Bir modelin şu anda günde kaç indirme aldığı, bir kaynağın iki ölçümü arasındaki farktan hesaplanır. İndirme teriminin dörtte biri ağırlığında.
Ölçülen ve tahmin edilen: Ölçülen, bir kaynaktan iki okuma olduğu ve farkın gerçek olduğu anlamına gelir. Tahmin edilen ise sadece bugünün toplamının bilindiği ve geçmişin modelin ömrü boyunca dağıtıldığı anlamına gelir; site hangisini gösterdiğini belirtir.
Seeder: Ağırlıkların bir kopyasını torrent üzerinden başkalarının indirebilmesi için çevrimiçi tutan biri veya aynı işi yapan barındırılan bir ayna. Her biri 1.000 indirme olarak sayılır.
AI Horde: Bağışlanan bilgisayarlarda ücretsiz olarak görüntü üreten gönüllü bir ağ. Bir modelle yaptığı görüntü sayısı açıktır ve her biri bir indirme olarak sayılır.
Üretim siteleri: Kendi modellerinin kopyalarını barındıran ve insanların bunlarla üretim yapmasına izin veren siteler, örneğin PixAI, SeaArt ve Yodayo. İndirmeleri Civitai gibi sayılır ve her üretim bir indirme olarak kabul edilir.
OpenRouter tokenları: Claude veya GPT gibi API üzerinden sunulan bir metin modelinin indirilecek ağırlıkları yoktur, bu yüzden kullanımı tokenlarla ölçülür: son 30 günde OpenRouter üzerinden okuduğu ve yazdığı metin parçaları. Her 10,000,000 token bir indirme sayılır. Kaynak: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Tam model (checkpoint): Ağırlıkların kendisi, kendi başına üretim yapan dosya. Eklentilerin buna bağlı olması nedeniyle ekstra puan alır.
LoRA ve embedding: Başkasının ağırlıklarını belirli bir stile, karaktere veya konsepte yönlendiren küçük eklenti dosyaları. Tek başlarına çalışamazlar.
Aile ve ağırlıklar: Bir modelin üzerine kurulduğu temel, örneğin SD 1.5, SDXL, Flux veya Wan. Her model ailesinin ağırlıklarının yayın tarihini miras alır.
Yaş: Ailenin ağırlıklarının ne kadar önce çıktığına göre çıkarılan derece: yılda 150°, maksimum 750°. Yıllar içinde biriken eski indirmeleri listenin en üstünde tutar.
Aile desteği: Bu sitenin şu anda desteklediği bir ailenin LoRA'ları için küçük, sınırlı bir destek, her zaman detaylarda listelenir.
Yer tutucu puan: Henüz hiçbir kaynaktan rapor almamış bir modele verilen tabanın altındaki sabit bir sayı, böylece listeler eksiksiz kalır. Hiçbir zaman veri olan bir modelin üstünde sıralanmaz.
Yeni! (hoşgörü süresi): 7 günden daha yeni modeller puan yerine Yeni! gösterir ve sıralamada yer almaz. Puanları ilk günden hesaplanır, ancak bir günlük model her şeyden hızlı büyür, bu yüzden beklemeden haftanın #1'i her zaman dün çıkan model olurdu, haftalarca dayanmış olan değil.
Trend: Bir modelin belli bir dönemdeki büyümesinin, aynı dönemdeki tipik model büyümesiyle karşılaştırılması. Tipikten hızlıysa yükseliş, yavaşsa düşüş olarak okunur.
Tipik model: Kataloğun ortası: rakamı olan modellerin yarısı dönemde daha hızlı büyüdü, yarısı daha yavaş.

Benzer Modeller

Qwen3 VL 235B A22B Thinking

Görsel, Video ve Metin Üretimi için Yapay Zeka Modelleri

MiniMax M1, açık kaynak yapay zeka görsel, video ve metin modellerinin salt okunur kataloğu ModelTrends.ai'de listelenen Text / LLM ailesine ait bir metin modeli modelidir. Diğer Text / LLM modelleriyle karşılaştırın ve trendini görmek için popülerlik puanına bakın.

Daha fazla Text / LLM modeli Daha fazla Text / LLM Metin / LLM llm minimax akıl yürütme kodlama ajanlar uzun bağlam matematik

Model Ailesine Göre Göz At