Onzenséiert MiniMax-API: Vision zum Buedempräis

Bal all gehost multimodal API verrechent Vision als Opschlag. Du bezuels en Textmodelltarif fir den Text, an duerno bezuels du méi — heiansdo e Vilfaacht — an dem Moment wou e Bild an de Prompt kënnt. Dobäi kënnt, datt Billerinputen do sinn, wou d'Refusverhalen am aggressivsten ass: de Modell dee gären iwwer e Sujet am Text schwätzt leent et of, déiselwecht Saach op enger Foto ze beschreiwen. D'Resultat ass e Produkt dat pro Opruff deier ass a pro Opruff onzouverlässeg — dat Schlechtst aus béide Welten, wann s du Volumen veraarbechts. MiniMax-M3 op Shannon ass eis Äntwert dorop: déiselwecht $0.50 / $2.00 déi s du fir eise bëllegsten Textmodell bezuels, ugewannt op eng Basis déi vum éischte Schrëtt un multimodal trainéiert gouf, an ouni Refus-Schicht dervir.

01Wat „de bëllegsten onzenséierte Vision-Modell“ hei tatsächlech heescht

De Shannon-Katalog sinn zwielef Modeller. Fënnef dovunner huelen Biller. Hir Präisser, pro Millioun Token:

Vision-fäege Modell	Input	Output	Strukturéierten Output
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	json_schema + response_format
MiMo-V2.5 · W8A16	$0.50	$2.00	json_schema + response_format
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	json_schema + response_format
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	nëmmen response_format
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 sëtzt um Buedem — $0.50 / $2.00 — gläich mat MiMo-V2.5 an näischt drënner, well $0.50 / $2.00 de Buedem vun eiser Präislëscht ass. Géint d'Spëtzt vum Vision-Beräich ass en 7.7× bëlleger um Input an 9.6× bëlleger um Output wéi Kimi-K3.

Setz dat an eng Aarbechtslaascht. Ugeholl, s du triéiers 1,000 Biller — Screenshoten, gescannte Säiten, Produktfotoen — mat am Duerchschnëtt ronn 1,200 Token Bild plus Prompt eran an 300 Token Äntwert eraus:

Lëschtepräisser vu Shannon, September 2026. D'Tokenzuele sinn illustrativ; deng Billertokeniséierung hänkt vun der Opléisung of a vun de Biller déi s du pro Opruff drunhänks.

Nach zwee Referenzpunkten déi ee gutt am Kapp behält. De ganze Kontext vun 262,144 Token eemol ze fëllen kascht ronn 13 Cent. Eng Äntwert a maximaler Längt vun 16,384 Token kascht ronn 3.3 Cent. Dat sinn déi tatsächlech Grenze vun enger eenzeger Ufro am schlëmmste Fall, a si si kleng genuch, datt d'interessant Aschränkung bei enger Vision-Pipeline net méi d'Geld ass, mä den Duerchsaz.

02D'MiniMax-Ofstamung: e Labo dat Token optiméiert a keng Schlagzeilen

MiniMax AI ass e Labo zu Schanghai deem säi ganze Palmarès mat offene Gewiichter ëm eng eenzeg Fro geet: wéi mécht een d'Attention bëlleg genuch, datt laange Kontext a Multimodalitéit ophalen e Luxus ze sinn? All Verëffentlechung an der Rei ass eng Äntwert op déi Fro, an d'Äntwerte bauen openeen op.

MiniMax-01 — Lightning Attention, a Vision vun Ufank un

D'Serie MiniMax-01 (publizéiert als arXiv 2501.08313) huet Lightning Attention agefouert, eng I/O-bewosst Ëmsetzung vun enger linearer Attention-Variant, an engem hybride Mixture-of-Experts-Modell mat 456B Parameter total an 45.9B aktiv pro Token. D'Serie ass als Pärchen erauskomm: MiniMax-Text-01 an MiniMax-VL-01, de Vision-Modell. VL-01 huet de mëttlerweil vertraute Stack ViT-MLP-LLM benotzt, mä mat engem Vision Transformer mat 303 Milliounen Parameter, vun Null op op 694 Milliounen Bild-Beschrëftungs-Pärchen trainéiert, an net mat engem geléintem Encoder, dono ausgeriicht a gemeinsam feinofgestëmmt an enger méistufeger Pipeline déi 512 Milliarden Token veraarbecht huet.

Dat Detail zielt fir den Artikel deen s du liess. Vision an dëser Ofstamung ass keen späten Adapter deen op en Textmodell geschrauft gouf, fir e Kräizchen ze setzen. MiniMax trainéiert säin eegene visuellen Tuerm zanter senger éischter offener Verëffentlechung, an dofir waren d'Verständnis vun Dokumenter, d'Erfaasse vun Interfaces a Screenshoten an d'Liese vu Grafiken ëmmer konsequent Stäerkte vun der Famill an net Nogedanken.

MiniMax-M1 — hybrid Attention fir laangt Raisonnéieren

MiniMax-M1 (arXiv 2506.13585) gouf vu senge Auteure als dat éischt grousst Raisonnéierungsmodell mat offene Gewiichter a hybrider Attention beschriwwen. Et huet de MoE-Kierper mat 456B / 45.9B behalen an déi zwou Attention-Zorte verschachtelt: e konventionelle Softmax-Attention-Transformerblock no all siwe Lightning-Attention-Block. De Gewënn gouf a Rechnerei gemooss an net a Ranglëschteplazen — MiniMax bericht, datt M1 bei enger Generatiounslängt vun 100K Token ronn 25 % vun de FLOPs vum DeepSeek R1 verbraucht huet, an dobäi natiiv e Kontext vun enger Millioun Token ënnerstëtzt.

MiniMax-M2 — d'Wendung zu klengen Aktivéierungen

MiniMax-M2 ass bei der Gréisst an déi aner Richtung gaang an huet dofir Opmierksamkeet kritt: en Decoder mat 62 Schichten, 229.9B Parameter total, mä nëmmen ~9.8B aktiv pro Token, mat 256 feinkäregen Experte pro MoE-Schicht a Sigmoid-Routing op aacht dovunner, RoPE-Positiounen a QK-RMSNorm fir d'Trainingsstabilitéit. Et war ausdrécklech en agenteschen Programméiermodell — Ännerungen iwwer méi Dateien, Lafen-a-Fléck-Schleefen, testvalidéiert Reparaturen — an et huet d'Format vum verschachtelte Denken agefouert, wou d'Raisonnéierung tëscht de Ronne vun Tool-Calls mattransportéiert gëtt amplaz no all Ronn ewechgehäit ze ginn. M2 ass de Modell dee dem MiniMax säi Ruff begrënnt huet, agentescht Verhalen no bei der Spëtzt fir e Brochdeel vun de Käschte pro Token ze liwweren, an dat rengt doduerch, datt d'Aktivéierunge kleng bleiwen.

MiniMax-M3 — d'Basis ënner dësem Endpunkt

MiniMax-M3 ass den 1. Juni 2026 erauskomm, mat de Gewiichter kuerz duerno op Hugging Face an engem techneschen Bericht op arXiv 2606.13392. Et ass e Mixture-of-Experts-Modell mat 428B Parameter an ronn 23B aktiv pro Token, mat engem dokumentéierte Kontext vun enger Millioun Token a natiivem Bild- a Videoinput — MiniMax beschreift et als „vum alleréischte Schrëtt un“ modalitéitsgemëscht trainéiert, an net als op Text virtrainéiert an duerno multimodal ugepasst. No dem MiniMax senge publizéierten Zuele kritt et 80.5 % op SWE-bench Verified an 59.0 % op SWE-bench Pro. Dat si vum Ubidder berichte Zuelen op engem Programméierbenchmark, an genee esou solls du se gewiichten; mir zitéiere se well et déi publizéiert Behaaptunge vum Labo sinn, an net well mir se onofhängeg nogewise hätten.

03MiniMax Sparse Attention: firwat e Vision-Modell esou bëlleg ka sinn

Déi interessant Ingenieursaarbecht am M3 ass MiniMax Sparse Attention (MSA), an et ass den direkte Grond firwat e multimodale Modell an där Gréisst op eisem Buedempräis ka sëtzen. Biller si teier u Token. Eng Handvoll héichopgeléiste Säite kënnen Zéngdausende vun Token an e Prompt setzen, ier s du eng eenzeg Instruktioun geschriwwen hues. Bei Standard-Attention wiisst déi Käscht quadratesch, an de Modell deen zwanzeg Säite liest ass net duebel esou deier wéi deen deen zéng liest — et ass vill méi schlëmm wéi duebel.

MSA ännert d'Form vun där Kurve. Et ass e blockspuersame Mechanismus op engem Réckgrat vu Grouped Query Attention, an zwee Zweige gedeelt:

• En liichten Indexzweig deen d'Schlëssel-Wäert-Block bewäert — d'Punkte gi mat Max-Pooling iwwer d'Token an all Block zesummegefaasst — an déi bescht k pro Ufropositioun a pro GQA-Grupp auswielt, wouduerch den lokale Block mat der Ufro selwer ëmmer dobäi ass, fir d'Trainingsstabilitéit.
• En Haaptzweig deen déi gewéinlech Softmax-Attention nëmmen iwwer déi vum Index gewielte Block leeft.

D'Konfiguratioun am MSA-Pabeier ass k = 16 Block vu jee 128 Token, wat all Ufro e feste Budget vun 2,048 beuechte Token gëtt. Fest, also et wiisst net mat der Sequenzlängt. Dat ass de ganzen Trick: wa de Kontext wiisst, klëmmt d'Attention-Käscht vun enger dichter Basislinn ëmmer weider, wärend dem MSA seng Käscht am Haaptzweig flaach bleift, sou datt d'Attention linear amplaz quadratesch skaléiert.

Zuelen aus dem Bericht zu MiniMax Sparse Attention (arXiv 2606.13392): eng Reduktioun vun den Attention-FLOPs pro Token ëm 28.4× géint gläich konfiguréiert GQA bei 1M Kontext, an 14.2× méi séiere Prefill / 7.6× méi séieren Decode a Wanduhrzäit, gemooss op H800-Hardware an der Studie mat 109B Parameter aus dem Pabeier. MiniMax bericht separat 9× méi séiere Prefill an 15× méi séieren Decode fir M3 géint M2 bei 1M Kontext. All si vum Labo bericht.

De Pabeier mécht och déi Kontroll déi fir en Artikel iwwer Vision zielt: op engem natiiv multimodalen 109B-MoE huet MSA d'Leeschtung vergläichbar mat enger Basislinn mat voller Attention gehalen, iwwer Billerbenchmarken dorënner AI2D, ChartQA a MMMU, an iwwer Videobenchmarken dorënner EgoSchema, LongVideoBench a VideoMME — wouduerch déi spuersam Variante bei de Videoaufgabe mat längerem Kontext heiansdo souguer besser waren. Spuersamkeet ass hei keng Qualitéitssteier déi s du fir Tempo bezuels; bei laangen Inputen schéngt se ongeféier gratis ze sinn.

Firwat dech dat als Client interesséiere soll: d'Servéierkäschte setzen de Lëschtepräis. Eng Basis deem seng Attention-Käscht ophält ze wuessen ass eng Basis déi s du dir leeschte kanns op honnertdausend Biller ze riichten. Dat ass de Mechanismus hannert „de bëllegsten onzenséierte Vision-Modell“ — et ass kee Werbetarif, et ass eng Architektur.

04Wat 3BIT-REAP heescht, a wou et dech kascht

E Modell mat 428 Milliarde Parameter passt a voller Präzisioun néierens bequem eran. Eise MiniMax-M3-Build dréit de Suffix 3BIT-REAP, deen zwou getrennten Operatiounen an enger bestëmmter Rei beschreift.

REAP: läsch Experten ier s du se komprinéiers

REAP — Router-weighted Expert Activation Pruning — ass eng eemoleg MoE-Kompressiounsmethod vu Cerebras an der University of Calgary, publizéiert als arXiv 2510.13999 an op der ICLR 2026 ugeholl. Säin Argument ass, datt bei generative Aufgaben d'Prunen vun Experten d'Zesummeleeë schléit: d'Zesummeleeë zerstéiert dem Router seng feinkäreg Kontroll a féiert e Feeler an deen s du ni méi zréckgewënns. Also bewäert REAP amplaz all Expert mat engem Salienzkritär dat d'Router-Gate-Wäerter (wéi dacks a wéi staark de Router en auswielt) an d'Aktivéierungsnormen vum Expert (wéi vill säin Output tatsächlech bäisteiert) kombinéiert, a läscht dann déi mannst salient Experte ganz.

D'Auteure berichten, bis zu 50 % vun den Experten aus Modeller mat bis zu enger Billioun Parameter erauszehuelen an dobäi d'Basisqualitéit gréisstendeels ze erhalen — op Qwen3-480B-Coder-FP8 bei 50 % Pruning goufen 97.6 % vun der net-agentescher Programméierfäegkeet vun der Basislinn an 96.7 % um agenteschen SWE-Bench behalen. Dat sinn dem Pabeier seng Zuele fir dem Pabeier seng Modeller a net eis fir MiniMax-M3; mir zitéiere se, sou datt s du d'Method beurteele kanns, an net fir eng gläichwäerteg Miessung hei ze suggeréieren.

Duerno 3-Bit-Gewiichter

D'iwwerliewend Gewiichter ginn duerno mat 3 Bit gespäichert. D'Reiefolleg ass gewollt an et ass de Sënn vun der Kombinatioun: fir d'éischt prunen, dann quantiséieren. Et huet kee Sënn, deng kostbar dräi Bit pro Gewiicht dofir auszeginn, Experten trei ze kodéieren déi s du gläich läsche wäers. Prune de spuersame Schwanz, a looss dann de reschtleche Budget ganz op Experte goen déi tatsächlech feieren.

Den éierleche Virbehalt

3BIT-REAP ass déi aggressivst Stuf déi mir liwweren. Mir benotzen se op de gréisste Basen — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — well se den Ënnerscheed ass tëscht deem, datt déi Modeller zu engem vernünftege Präis verfügbar sinn oder guer net verfügbar sinn. Wou eng Basis kleng genuch ass fir se net ze brauchen, benotze mir se net: d'W8A16-Modeller am Katalog lafe mat 8-Bit-Gewiichter an 16-Bit-Aktivéierungen, an W4A16-AUTOROUND-REAP läit dertëscht a benotzt dem AutoRound seng geléiert Rondung, fir Genauegkeet zréckzegewannen déi dat naiivt Ronne op de nächste Wäert hierginn. Wiel d'Stuf déi zu denger Toleranz passt. Wann s du Felder aus zéngdausend Rechnungen extrahéiers, ass 3 Bit den richtegen Tosch. Wann s du eng eenzeg forensesch Liesung mat héijem Asaz vun engem Bild méchs, gëff d'Geld fir Kimi-K3 aus.

05Wat „keng Refus-Schicht“ heescht, wann den Input e Bild ass

Onzenséiert ass e Wuert dat locker benotzt gëtt, also hei ass déi genee Behaaptung: et gëtt keng Refus-Schicht a keng Filterung vum Output op dësem Endpunkt. Kee Klassifikateur kuckt däi Bild un ier de Modell et gesäit. Kee Politikmodell kuckt d'Token um Wee eraus un. Wat de Modell produzéiert ass wat s du kriss.

Am Text ass den Effekt dovunner bekannt. A Vision ass en anerer vun Aart, well d'Refusverhalen op Billerinputen do ass, wou kommerziell multimodal APIen am konservativsten an am wëllkiirlechsten sinn. Déi charakteristesch Feeler gesinn esou aus:

• Pauschal Identitéitsrefusen — d'Weigerung, Leit op enger Foto iwwerhaapt ze beschreiwen, dorënner Eegeschaften déi kloer siichtbar an ganz harmlos sinn, well eng Politik d'Beschreiwung net vun der Identifikatioun ënnerscheede kann.
• Ausklamen no Sujet — d'Weigerung, en Dokument ofzeschreiwen oder zesummenzefaassen, wéinst deem wat am Dokument steet, obwuel d'Ofschreiwen eng mechanesch Aufgab ass.
• Medizinesch a forensesch Zimperlechkeet — d'Weigerung, klinesch Biller, Dokumentatioun vu Verletzungen oder Onfallfotoen ze beschreiwen, déi eng Fachpersoun beschriwwe brauch.
• Falschpositiver bei Sécherheetswierkzeuger — d'Weigerung, e Screenshot ze liesen, well en en Terminal, eng Paketopnam oder en Debugger weist.
• Stëllen Ofbau — dee schlëmmsten: kee Refus, mä eng ausgewäichten Netäntwert, déi deng Schemavalidéierung passéiert an däin Datesaz vergëft ouni jeemools e Feeler ze mellen.

De betribleche Problem bei alle fënnef ass net, datt se ongerecht sinn. Et ass, datt se net moossbar sinn. Eng falsch Äntwert ass en Datepunkt; du kanns se bewäerten, an der Evaluatioun erwëschen a korrigéieren. E Refus ass e Lach. Am Batch-Mooss ass eng Refusquot vu 3 %, net zoufälleg iwwer deng Inputen verdeelt — bauartbedéngt op genee déi schwéier an ongewéinlech Fäll konzentréiert — e systematesche Bias an dengen Resultater, deen och keng Nobehandlung méi zréckhëlt. D'Refus-Schicht ewechzehuelen hëlt eng Quell vu stëllen, korreléiert fehlenden Donnéeën ewech.

Shannon gëtt vun Shannon Lab LLC, New Mexico, USA, bedriwwen, ënner eiser Politik fir verantwortlech Notzung. Onzenséiert heescht, datt de Modell net iwwer deng Inpute kommentéiert; et heescht net, datt de Kont keng Bedingungen huet.

06Déi voll Spezifikatioun

Feld	MiniMax-M3 · 3BIT-REAP
Modell-Id	MiniMax-M3-3BIT-REAP
Basis	MiniMax-M3 (MiniMax AI)
Kontextfenster	262,144 Token
Max. Output	16,384 Token
Billerinput	Jo
Videoinput	Net ugebueden
Streaming	Jo
Tool-Calling	Jo
Raisonnéieren	Jo (reasoning_effort)
Strukturéierten Output	json_schema + response_format
Refus-Schicht	Keng
Endpunkten	/v1/chat/completions · /v1/messages · /v1/responses
Servéiert op	Dem Shannon sengem eegene GPU-Cluster

Zwou Zeilen an där Tabell verdéngen Nodrock. Videoinput gëtt net ugebueden. D'M3-Basis uewestrooms gouf op Video trainéiert a MiniMax dokumentéiert Videoinput; eisen Endpunkt hëlt Biller. Bau géint Biller. Zweetens ass d'Fënster vun 262,144 Token eist an net d'Zuel vun enger Millioun uewestrooms — plang Aarbechtslaaschte mat laangen Dokumenter a ville Biller géint 262,144, an du gëss ni iwwerrascht.

07Déi onzenséiert MiniMax-API opruffen

Dräi Dialekter, dee selwechte Modell hannert allen dräi, Streaming op allen dräi. Benotz deen deen däi bestoende Client scho schwätzt; et gëtt kee Fäegkeetsënnerscheed tëscht hinnen. Riicht deng Basis-URL op Shannon a wiessel d'Modell-Id.

Billerverständnis iwwer den OpenAI-Dialekt

curl https://api.shannon-ai.com/v1/chat/completions \
  -H "Authorization: Bearer $SHANNON_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMax-M3-3BIT-REAP",
    "messages": [{
      "role": "user",
      "content": [
        { "type": "text", "text": "Transcribe every field in this scan. Do not summarize." },
        { "type": "image_url",
          "image_url": { "url": "data:image/png;base64,iVBORw0KGgo..." } }
      ]
    }],
    "max_tokens": 4096,
    "stream": true
  }'

Souwuel entfernt https://-URLen wéi och base64-Daten-URLe funktionéieren am image_url-Deel. Häng méi Billerdeeler an enger Noriicht un, wann s du e Verglach iwwer Säite brauchs — du hues 262,144 Token auszeginn, a mat $0.50 pro Millioun ass et bëlleg se auszeginn.

Typiséiert Extraktioun mat engem JSON-Schema

Wou dëse Modell seng Plaz an enger Pipeline verdéngt ass d'Kombinatioun vun Vision + strengem Schema + Buedempräis. Net all Modell an eisem Katalog huet all dräi: Laguna-S-2.1 an inkling ënnerstëtze kee json_schema. MiniMax-M3 jo, an dat heescht, datt s du e validéiert Objet aus engem Bild kriss ouni eng Parsingschicht:

{
  "model": "MiniMax-M3-3BIT-REAP",
  "messages": [ /* text part + image_url part */ ],
  "response_format": {
    "type": "json_schema",
    "json_schema": {
      "name": "invoice",
      "strict": true,
      "schema": {
        "type": "object",
        "properties": {
          "vendor":     { "type": "string" },
          "issued_on":  { "type": "string" },
          "total_cents":{ "type": "integer" },
          "line_items": { "type": "array", "items": { "type": "string" } }
        },
        "required": ["vendor", "issued_on", "total_cents", "line_items"],
        "additionalProperties": false
      }
    }
  }
}

Raisonnéierungsopwand

De Modell stellt reasoning_effort zur Verfügung. Bei der Massebillerklassifikatioun halt en niddreg — du stells eng Wahrnehmungsfro, an d'Raisonnéierungstoke sinn Output-Token déi s du bezuels. Dréi en erop bei den Opruff wou d'Bild Beweis an engem längeren Argument ass: e Schema géint eng Spezifikatioun liesen, eng Grafik mat enger Tabell ofgläichen, entscheeden ob zwee Screenshoten dee selwechte Feeler weisen.

Déi voll Parameterreferenz, d'Feelersemantik an d'Streamingformater fir all dräi Dialekter stinn an der Shannon-API-Dokumentatioun.

08Wou MiniMax-M3 déi richteg Wiel ass — a wou net

Gräif dono, wann

• Billeraarbecht am Volumen. Datesätz beschrëften, Moderatiounsfuerschung, Katalogberäicherung, Triage vu Screenshoten, OCR a Strukturéierung am Batch iwwer gescannten Dokumenter. De Buedempräis ass dat ganzt Argument.
• Biller a typiséiert Datesätz. Vision plus strenge json_schema plus déi bëllegst Token am Katalog ass eng Kombinatioun déi hei nëmmen zwee Modeller ubidden.
• Laange multimodale Kontext. Vill Säiten, oder vill Biller, an enger eenzeger Ufro — d'Architektur drënner ass genee fir dës Form vun Input gebaut.
• Fuerschung wou Refusen d'Stéchprouf verfälschen. All Studie deem seng Validitéit dovun ofhänkt, datt de Modell all Element beäntwert, och déi ongemittlech.
• Agentesch Schleefen déi e Bildschierm liesen. D'M-Serie-Ofstamung ass ausdrécklech agentesch, an d'Tool-Calling ass verfügbar.

Gräif no eppes anerem, wann

• Du déi héchst Vision-Ubierstgrenz brauchs an de Budget do ass. Kimi-K3 · 3BIT-REAP ass aus engem Grond 7.7× den Input-Präis; bei enger eenzeger Liesung mat héijem Asaz ass dat dat richtegt Geld auszeginn.
• Du Gewiichter a maximaler Tréischtheet brauchs. 3 Bit ass eis aggressivst Stuf. D'W8A16-Modeller toschen de Präis géint Präzisioun, a MiMo-V2.5 · W8A16 ass vision-fäeg zu deene selwechten $0.50 / $2.00, wann d'Tréischtheet pro Gewiicht dat ass wat s du optiméiers.
• Du Video brauchs. Mir bidde kee Videoinput op dësem Endpunkt un.
• D'Aufgab reng Text op der Spëtzt ass. DeepSeek-V4-Pro-0813 gëtt et dofir; s du géifs fir e Vision-Tuerm bezuelen deen s du ni benotz.

D'Architektur-, Benchmark- a Beschleunegungszuele fir d'MiniMax-Famill si vum Labo MiniMax AI bericht; d'REAP-Zuele si vun de REAP-Auteuren op hiren eegene Modeller bericht a si keng Miessung vun dësem Build. D'Shannon-Präisser, d'Kontextfenster an d'Fäegkeetsfändele sinn eis a gi vun eisem lieweg Modellkatalog gelies.

09Dacks gestallte Froen

---

Quellen: Modellkaart MiniMax-M3 · MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention · MiniMax-01: Scaling Foundation Models with Lightning Attention · REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression. D'MiniMax-Benchmark- a Beschleunegungszuele si vum Labo bericht a virleefeg, bis eng onofhängeg Iwwerpréifung virläit. D'Shannon-Präisser an d'Fäegkeetsfändele sinn aktuell mam Stand vum 5. September 2026.