MiniMax-M1, 세계 최초의 오픈 가중치 하이브리드 어텐션 추론 모델이 Novita AI에 출시되었습니다! 이 획기적인 모델은 4,560억 개의 파라미터(토큰당 459억 개 활성화)를 특징으로 하며, 기본적으로 100만 토큰 컨텍스트를 지원하여 DeepSeek R1보다 8배 더 큽니다.
한정된 기간 동안 신규 사용자는 $10의 무료 크레딧을 받아 MiniMax-M1의 고급 추론 기능을 탐색할 수 있습니다. 최첨단 하이브리드 어텐션 기술로 애플리케이션을 강화하세요. MiniMax-M1은 API 호출만으로 사용할 수 있습니다.
다음은 Novita AI의 현재 MiniMax-M1 가격 정보입니다.
MiniMax-M1-80K: 입력 토큰 100만 개당 $0.55, 출력 토큰 100만 개당 $2.2
MiniMax-M1이란 무엇인가요?
MiniMax-M1은 대규모 언어 모델 아키텍처의 패러다임 전환을 나타냅니다. MiniMax-AI에서 개발한 이 혁신적인 모델은 하이브리드 Mixture-of-Experts(MoE) 아키텍처와 혁신적인 라이트닝 어텐션 메커니즘을 결합한 세계 최초의 오픈 가중치, 대규모 하이브리드 어텐션 추론 시스템을 도입합니다.
MiniMax-M1의 주요 기능
🔹 하이브리드 어텐션 및 Mixture-of-Experts
MoE 레이어는 각 토큰에 대해 4,560억 개의 파라미터 중 459억 개를 활성화하며, 속도와 효율성을 위해 라이트닝 어텐션과 결합됩니다.
🔹 대규모 100만 토큰 컨텍스트
기본적으로 최대 100만 토큰까지 지원하며, 책, 로그, 전체 코드베이스 요약에 이상적입니다.
🔹 효율적인 강화 학습
CISPO는 중요도 샘플링 가중치를 클리핑하여 RL 학습 효율성을 향상시킵니다. 이는 MoE + 하이브리드 어텐션 아키텍처에서는 최초입니다.
🔹 이중 사고 예산: 40K 및 80K
필요한 추론 깊이와 계산 트레이드오프에 따라 MiniMax-M1-40K 또는 MiniMax-M1-80K 중에서 선택할 수 있습니다.
🔹 에이전트 기능 및 플러그인
내장 함수 호출, 도구 액세스(검색, 코드 실행, 이미지/비디오 생성, TTS)를 통해 실제 에이전트 워크플로에 최적화되었습니다.
벤치마크 및 성능 분석
MiniMax-M1은 포괄적인 AI 벤치마크에서 탁월한 성능을 제공합니다. 표준 평가 결과, 이 모델은 소프트웨어 엔지니어링, 도구 사용 및 긴 컨텍스트 이해에서 특히 뛰어나 DeepSeek-R1 및 Qwen3-235B와 같은 강력한 오픈 가중치 대안보다 성능이 우수합니다.
종합 성능 비교
| 카테고리 | 작업 | MiniMax-M1-80K | MiniMax-M1-40K | Qwen3-235B-A22B | DeepSeek-R1-0528 | DeepSeek-R1 | Seed-Thinking-v1.5 | Claude 4 Opus | Gemini 2.5 Pro | OpenAI-o3 |
|---|---|---|---|---|---|---|---|---|---|---|
| **확장 사고 ** | 80K | 40K | 32k | 64k | 32k | 32k | 64k | 64k | 100k | |
| **수학 ** | 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 | |
| **일반 코딩 ** | 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 | |
| **추론 및 지식 ** | GPQA Diamond | 70.0 | 69.2 | 71.1 | 81.0 | 71.5 | 77.3 | 79.6 | 86.4 | 83.3 |
| 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 | |
| **소프트웨어 엔지니어링 ** | SWE-bench Verified | 56.0 | 55.6 | 34.4 | 57.6 | 49.2 | 47.0 | 72.5 | 67.2 | 69.1 |
| **긴 컨텍스트 ** | 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 | |
| **에이전트 도구 사용 ** | TAU-bench (항공사) | 62.0 | 60.0 | 34.7 | 53.5 | -- | 44.0 | 59.6 | 50.0 | 52.0 |
| TAU-bench (소매) | 63.5 | 67.8 | 58.6 | 63.9 | -- | 55.7 | 81.4 | 67.0 | 73.9 |
모델은 temperature=1.0, top_p=0.95로 평가됨
수학 및 추론 우수성
경쟁 수준의 수학
MiniMax-M1-80K는 AIME 2024(86.0) 및 AIME 2025(76.9)에서 뛰어난 결과를 달성하여 오픈 가중치 모델 중에서 수학적 추론에서 선두를 달리고 있습니다. MATH-500에서 96.8%의 정확도는 복잡한 수학 문제를 정밀하게 처리하는 탁월한 능력을 보여줍니다.
고급 추론 작업
이 모델은 ZebraLogic에서 86.8%의 성능을 보여 Qwen3-235B(80.3%) 및 DeepSeek-R1(78.7%)과 같은 오픈 가중치 대안보다 크게 앞서 있습니다. 80K 및 40K 변형 모두에서 일관된 성능(MMLU-Pro에서 각각 81.1% 및 80.6%)은 신뢰할 수 있는 추론 능력을 보여줍니다.
소프트웨어 엔지니어링 및 코딩 우수성
실제 소프트웨어 개발
MiniMax-M1은 SWE-bench Verified에서 56.0%의 놀라운 정확도를 달성하여 Qwen3-235B-A22B(34.4%)를 크게 능가합니다. 이 성능은 모델이 복잡한 코드베이스를 이해하고 문제를 식별하며 실제 시나리오에서 효과적인 솔루션을 제안하는 능력을 보여줍니다.
코딩 다양성
LiveCodeBench(65.0%) 및 FullStackBench(68.3%)에서의 강력한 성능은 다양한 프로그래밍 패러다임과 프레임워크에서의 모델의 다재다능함을 강조하여 소프트웨어 개발 애플리케이션을 위한 선도적인 선택으로 자리매김합니다.
긴 컨텍스트 및 에이전트 우월성
확장 컨텍스트 처리
MiniMax-M1은 뛰어난 긴 컨텍스트 이해를 보여줍니다. OpenAI-MRCR(128k)에서 73.4%를 달성하여 Qwen3-235B-A22B(27.7%)를 포함한 다른 오픈 가중치 모델을 크게 능가합니다. 100만 토큰 기능(56.2%)은 매우 긴 시퀀스에서 고유한 일관성 유지 능력을 보여줍니다.
에이전트 기능
강력한 TAU-bench 성능(항공사 62.0%, 소매 63.5%)은 항공사 작업에서 Qwen3-235B-A22B(34.7%)를 크게 능가하며 도메인 애플리케이션 전반에 걸쳐 경쟁력 있는 에이전트 기능을 입증합니다.
성능 리더십 분석
경쟁 수준의 수학, 코딩, 소프트웨어 엔지니어링, 에이전트 도구 사용 및 긴 컨텍스트 이해 작업에서 주요 상용 및 오픈 가중치 모델의 벤치마크 성능 비교. MiniMax AI는 여기서 MiniMax-M1에 대해 MiniMax-M1-80k 모델을 사용합니다.
오픈 가중치 지배력
MiniMax-M1은 벤치마크 카테고리 전반에 걸쳐 오픈 가중치 경쟁사보다 지속적으로 우수한 성능을 보여 오픈 가중치 추론 모델 공간에서 분명한 리더십을 확립합니다.
컨텍스트 길이 이점
100만 토큰 컨텍스트는 긴 컨텍스트 작업에서 대안과 비교하여 45% 포인트 이상의 성능 격차를 제공하여 상당한 이점을 제공합니다.
상업적 경쟁력
상용 모델이 일부 카테고리에서 더 높은 점수를 달성하지만, MiniMax-M1은 오픈 가중치 접근성과 배포 유연성의 이점과 함께 경쟁력 있는 성능을 제공합니다.
Novita AI에서 MiniMax-M1에 액세스하는 방법
Novita AI에서 MiniMax-M1을 시작하는 것은 간단하고 위험이 없습니다. 신규 사용자는 **$10의 무료 크레딧**을 받게 됩니다. 이는 MiniMax-M1의 하이브리드 어텐션 추론 기능을 탐색하고, 프로토타입을 구축하며, 초기 비용 없이 초기 사용 사례를 시작하기에 충분합니다.
플레이그라운드 사용(코딩 불필요)
즉시 액세스: 가입하고 무료 크레딧을 받아 몇 초 만에 Qwen 3 및 기타 최고 모델을 실험해 보세요.
대화형 UI: 프롬프트, 사고 사슬 추론을 테스트하고 결과를 실시간으로 시각화합니다.
모델 비교: Qwen 3, Llama 4, DeepSeek 등 간에 쉽게 전환하여 필요에 가장 적합한 모델을 찾으세요.
API를 통한 통합(개발자용)
Novita AI의 통합 REST API를 사용하여 MiniMax-M1을 애플리케이션, 워크플로 또는 챗봇에 원활하게 연결합니다. 모델 가중치 관리나 인프라 문제는 필요 없습니다. Novita AI는 다국어 SDK(Python, Node.js, cURL)와 고급 파라미터 제어를 제공합니다.
옵션 1: 직접 API 통합(Python 예제)
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
api_key="session_T3FM6wKgMO4YSk7lWfKo5H99EzvOqeJYVrxM6W1u2kuckMW0MuJhSAGDv9jNsFJ09pQ8r6mJHXJoldr_gxQ4WA==",
)
model = "minimaxai/minimax-m1-80k"
stream = True # or False
max_tokens = 20000
system_content = ""Be a helpful assistant""
temperature = 1
top_p = 1
min_p = 0
top_k = 50
presence_penalty = 0
frequency_penalty = 0
repetition_penalty = 1
response_format = { "type": "text" }
chat_completion_res = client.chat.completions.create(
model=model,
messages=[
{
"role": "system",
"content": system_content,
},
{
"role": "user",
"content": "Hi there!",
}
],
stream=stream,
max_tokens=max_tokens,
temperature=temperature,
top_p=top_p,
presence_penalty=presence_penalty,
frequency_penalty=frequency_penalty,
response_format=response_format,
extra_body={
"top_k": top_k,
"repetition_penalty": repetition_penalty,
"min_p": min_p
}
)
if stream:
for chunk in chat_completion_res:
print(chunk.choices[0].delta.content or "", end="")
else:
print(chat_completion_res.choices[0].message.content)
옵션 2: OpenAI Agents SDK를 사용한 멀티 에이전트 워크플로
Novita AI를 OpenAI Agents SDK와 통합하여 고급 멀티 에이전트 시스템을 구축하세요.
- 플러그 앤 플레이: 모든 OpenAI Agents 워크플로에서 Novita AI의 MiniMax-M1 사용
- 핸드오프, 라우팅 및 도구 사용 지원: 위임, 분류 또는 함수 실행이 가능한 에이전트를 설계할 수 있으며, 모두 MiniMax-M1의 하이브리드 어텐션 기능으로 구동됩니다.
- Python 통합: SDK를 Novita의 엔드포인트(
https://api.novita.ai/v3/openai)로 지정하고 API 키를 사용하기만 하면 됩니다.
타사 플랫폼에서 MiniMax-M1 API 연결
-
Hugging Face: Novita AI 엔드포인트를 통해 Spaces, 파이프라인 또는 Transformers 라이브러리에서 Qwen 3 사용.
-
Agent 및 Orchestration 프레임워크:Continue, AnythingLLM, LangChain, Dify 및 Langflow와 같은 파트너 플랫폼을 공식 커넥터와 단계별 통합 가이드를 통해 Novita AI에 쉽게 연결할 수 있습니다.
-
OpenAI 호환 API:Cline 및 Cursor와 같은 도구와 OpenAI API 표준에 맞게 설계되어 원활한 마이그레이션 및 통합을 누리십시오.
결론
MiniMax-M1은 하이브리드 어텐션 아키텍처와 다양한 도메인에서의 탁월한 성능을 통해 오픈 가중치 추론 모델의 새로운 기준을 세웠습니다.
이 모델의 100만 토큰 컨텍스트 기능과 75% FLOP 감소는 효율성과 고급 추론이 모두 필요한 복잡한 실제 애플리케이션에 이상적입니다.
AI 추론의 미래를 경험할 준비가 되셨나요? 지금 MiniMax-M1을 Novita AI에서 사용해 보고 $10 무료 크레딧을 받으세요.
Novita AI는 개발자가 간단한 API를 사용하여 AI 모델을 쉽게 배포할 수 있는 AI 클라우드 플랫폼이며, 구축 및 확장을 위한 저렴하고 안정적인 GPU 클라우드도 제공합니다.
