MiniMax M1 40k

MODEL PROFILE模型资料

MiniMax · 2025-06-17 发布

无公开托管渠道返回厂商

MiniMax M1 40k 是 MiniMax 于 2025 年 6 月 17 日发布的大模型，名称中的 40k 指向上下文档位，适合在中等长度文档内做推理与问答的开发者关注；官方价格与能力标注均未公开，第三方收录平台为 0 家，现阶段更适合当作同厂后续型号的参照基准，而非可直接采购的选项。

模型介绍

MiniMax M1 40k 属于 MiniMax 的 M1 系列，是这条产品线里以 40k 上下文为标识的版本，发布于 2025 年 6 月 17 日。它要解决的问题很明确：在单次可处理的文本长度受限的前提下，仍完成多步推理、科学问答和文档理解类任务。Artificial Analysis 口径下，它的综合智能指数为 10.0，GPQA 68.2%，HLE 7.8%，三项数据呈现同一个特征：常规学科问答表现相对扎实，超难跨学科推理则是明显短板。需要留心的是，本站事实数据未给出官方价格、能力标签，也没有任何平台收录，这意味着它的实际可用渠道和调用成本都无法从现有信息判断。同厂后续型号在价格与指数上都有明确披露，M3.1-Flash 输入 $0.15/M、输出 $0.6/M，M3、M2.5、M2.7、M2.1 为输入 $0.3/M、输出 $1.2/M，这些构成了理解 M1 40k 位置的参照系。选型时把它看作 M1 系列的中长上下文版本更合适，真正落地前需要另行确认供给与报价。

选型建议需要中等上下文、以学科问答为主的实验性场景可以看它；追求可采购报价、长上下文或高强度推理时，应改选同厂有明确定价的新型号。

MiniMaxM1 系列40k 上下文推理模型科学问答第三方评测

关键指标

生成速度0.0 tok/s

首字延迟 TTFT0.00s

适用场景

处理中等长度的技术文档与报告，做要点抽取和结构化摘要
搭建学科知识问答，用于研究生级科学题目的解题与讲解
在有限上下文内做多步推理验证，作为推理链路的对照基线
对比同厂 M1 与后续型号的表现差异，辅助版本迁移评估
用于成本不敏感的原型验证，先确认效果再决定是否替换

暂无：上下文窗口、最大输出、知识截止、开源权重、模型家族、许可证、参数规模、输入模态、输入价、输出价、缓存读价、缓存写价、推理、工具调用、结构化输出、附件、温度调节（上游未公开，本站不估算）。没有任何平台收录，也没有公开报价：可能是自部署权重或尚未开放调用；发布 512 天。

规格与能力

上面没列到的字段

M1 系列面向推理场景设计，公开资料对其参数规模与训练细节披露有限，40k 的命名指向上下文能力档位而非架构变更。

结构M1 系列采用面向长文本的注意力设计思路，40k 版本把可用上下文控制在中等长度，与同厂后续 204.8K、1M 档位形成明显分层。
能力定位偏推理与科学问答，GPQA 68.2% 说明研究生级题目上有一定基础，但 HLE 7.8% 显示开放式高难题的推理深度有限。
披露官方未公开参数规模、训练数据与能力标签，本站也没有平台收录记录，架构细节只能做定性判断，精确规格需以官方说明为准。

能力资料未标注

同系列其他规格

型号	厂商	参数	上下文	输入价	输出价
MiniMax-M1-40k	MiniMaxAI	—	—	—	—

性能表现

第三方口径下呈现「常规题目可用、极限推理偏弱」的形态，综合智能指数 10.0 与同厂新版本差距明显。

强项GPQA 68.2% 在研究生级科学问答上属于能用的水平，适合需要学科知识支撑的选择题式推理与知识核验任务。
短板HLE 7.8% 与综合智能指数 10.0 说明开放式、跨学科高难题上完成度低，不宜承担深度研究型推理。
参照同厂 M3.1-Flash 指数 42.7、M3 为 29.2、M2.5 与 M2.7 为 22.8、M2.1 为 20.9，若按同一口径衡量，后续型号领先幅度很大。
适合更适合中等长度文档的理解、结构化问答与轻量推理，不适合把高难推理链路完全交给它。

跑分与榜单

第三方评测口径

GPQA68.2%

HLE7.8%

这些跑分分别测什么？（2 项口径说明）

基准	类别	说明	满分口径	前沿水平	状态	污染风险
GPQA Diamond基准主页	知识	Graduate-level Google-Proof Questions, Diamond subset. 198 expert-validated PhD-hard physics, chemistry, biology questions.	0-100% accuracy	96.3% (Artificial Analysis run)	已饱和	低
Humanity's Last Exam基准主页	知识	Joint CAIS/Scale benchmark of expert-validated questions across 100+ disciplines, finalized in April 2025 at 2,500 public questions after bug-bounty and searchable items were replaced, with a private held-out set kept for overfitting checks. CAIS also maintains HLE-Rolling, a fork updated continuously from community feedback, and released a new version of it on 2026-09-17 that swapped some easier questions for harder held-out ones, so rolling snapshots do not compare with each other or with the static set. Vendors report it both with and without tools, and tool setups (search blocklists, fetch restrictions) vary, so check the configuration before comparing.	0-100% accuracy	61.4% no tools (Artificial Analysis run; previous best 59.1%, Claude Fable 5.1)	仍在维护	低

说明文字来自公开基准注册表；「已饱和」表示前沿模型已接近上限、区分度下降，「污染风险高」表示该基准的题目可能已进入训练数据。

跑分来自第三方公开评测（Artificial Analysis 口径），榜位与用量来自 OpenRouter 公开榜单，只反映静态基准与实际调用份额，与本站的真实性、稳定性检测相互独立。

价格与性价比

结合各平台报价与同类对比

官方价格未公开且无平台收录，成本无法量化，只能借同厂型号的价格带做间接判断。

定位官方价格标注为未公开，本站收录平台数为 0 家，既没有官方报价也没有渠道价，无法估算单位调用成本。
横向对比同厂 M3.1-Flash 输入 $0.15/M、输出 $0.6/M；M3、M2.5、M2.7、M2.1 均为输入 $0.3/M、输出 $1.2/M，构成当前可查的价格区间。
平台差价对比表中价差列均为 None，原因在于本模型输入价缺失、缺少比较基准，不能据此判断谁更便宜。
省钱若预算敏感且需要可用报价，优先考虑有明确定价的 M3.1-Flash；坚持用 M1 40k 则需先拿到官方或渠道报价再核算。

MiniMax M1 40k 的同类模型对比
模型	上下文	输入价	输出价	输入价差	AA 综合
MiniMaxAI/MiniMax-M1-80k	—	—	—	基准	—
minimax/minimax-latest	—	—	—	基准	—
minimax/minimax-m2.7-turbo	—	—	—	基准	—

关于 MiniMax M1 40k 的常见问题

1 条

MiniMax M1 40k 的 API 价格是多少？

当前资料未收录该模型的公开 API 价格：可能是未公开定价，或只提供自部署的开源权重。

使用注意

口径综合智能指数 10.0、GPQA 68.2%、HLE 7.8% 均来自 Artificial Analysis，评测版本与样本未披露，只能原样引用，不宜跨口径直接比较。
边界40k 上下文对超长文档、多轮长对话会形成硬约束，能力标签缺失也意味着工具调用、多模态等能力无法从现有数据确认。
供给收录平台为 0 家，能否稳定调用、以何种方式接入均无公开信息，落地前需要自行验证可获得性。

资料说明

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并，冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。