MiniMax-VL-01
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti tohoto modelu jsou otevřené, ale žádný počet parametrů pro něj nebyl zveřejněn. Každé číslo týkající se paměti a rychlosti vychází z této hodnoty, takže bychom raději nic neukázali, než fabrikaovaný odhad..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- MiniMax
- Typ organizace
- Industry
- Země
- China
- Publikováno
- 14 January 2025
- Autoři
- MiniMax, Aonian Li, Bangwei Gong, Bo Yang, Boji Shan, Chang Liu, Cheng Zhu, Chunhao Zhang, Congchao Guo, Da Chen, Dong Li, Enwei Jiao, Gengxin Li, Guojun Zhang, Haohai Sun, Houze Dong, Jiadai Zhu, Jiaqi Zhuang, Jiayuan Song, Jin Zhu, Jingtao Han, Jingyang Li, Junbin Xie, Junhao Xu, Junjie Yan, Kaishun Zhang, Kecheng Xiao, Kexi Kang, Le Han, Leyang Wang, Lianfei Yu, Liheng Feng, Lin Zheng, Linbo Ch…
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Vision, Language, Multimodal
- Úkol
- Visual question answering, Language modeling/generation, Question answering
- Základní model
- MiniMax-Text-01
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- tokens
"MiniMax-VL-01 undergoes additional training with 512 billion vision-language tokens"
Výpočty pro trénink
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.
- Výpočty pro trénink
- 2.1 × 10²⁴ FLOP
- Jak bylo ustanoveno
- Operation counting
- Ladění výpočtů
- 1.4 × 10²³ FLOP
1.98288e+24 FLOP [base model compute] + 1.410048e+23 FLOP [addtional vision-language finetune compute] = 2.1238848e+24 FLOP
Assuming same amount of activated parameters (45.9 * 10^9) as for the base model: 6 FLOP / parameter / token * 45.9 * 10^9 activated parameters * 512 * 10^9 tokens = 1.410048e+23 FLOP
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA H800 SXM5
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Open — downloadable
- Přístup k modelu
- Open weights (restricted use)
- Tréninkový kód
- Unreleased
- Hugging Face
- MiniMaxAI
https://huggingface.co/MiniMaxAI/MiniMax-VL-01 "MiniMax may terminate this Agreement if you are in breach of any term or condition of this Agreement." code seems to be just inference code: https://github.com/MiniMax-AI/MiniMax-01
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Pravděpodobně nad 10²³ FLOP
- Yes
- Záznam důvěry
- Likely
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- MiniMax-01: Scaling Foundation Models with Lightning Attention
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Pozadí
MiniMax-VL-01 byl zveřejněn MiniMax, v zemi zaznamenané jako China, během January 2025. Vychází z organizace, která je kategorizována jako industry.
funguje v oblasti Vision, Language, Multimodal, a je zaznamenán jako vykonávající úkol visual question answering, Language modeling/generation, Question answering.
Jeho výchozím bodem byl existující základní model, MiniMax-Text-01. Většina modelů na této úrovni je přizpůsobena z existující základny namísto toho, aby byla vytvořena od nuly.
Otevřené váhy jsou to, co dává této stránce místo v kalkulátoru spíše než pouze v katalogu: je to model, který můžeš skutečně držet. Na Hugging Face je publikováno pod organizací MiniMaxAI.
Jak bylo trénováno
Trénování si vyžádalo výpočetní rozpočet přibližně 2.1 × 10²⁴ FLOP, na hardwaru zaznamenáno jako NVIDIA H800 SXM5. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Odpovědi
MiniMax-VL-01 — běžné otázky
MiniMax-VL-01— Jakou GPU potřebuji k jejímu spuštění?
Nemůžeme říct. Má otevřené váhy, ale žádný počet parametrů pro něj nebyl zveřejněn a každý výpočet paměti a rychlosti začíná od toho čísla. Raději bychom ukázali nic než vykonstruovaný odhad.
MiniMax-VL-01— Je to OPEN SOURCE?
Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.
MiniMax-VL-01— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
MiniMax-VL-01— Kdo to vytvořil?
Bylo to publikováno společností MiniMax, zakládající se na China, organizace zařazená jako industry.
MiniMax-VL-01— Kdy byl vydán?
Bylo to zveřejněno v January 2025.
MiniMax-VL-01— K čemu se to používá?
funguje v oblasti Vision, Language, Multimodal, a je zaznamenáno jako zpracovávající úkol visual question answering, Language modeling/generation, Question answering. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
MiniMax-VL-01— kde si to mohu stáhnout?
Jeho váhy jsou publikovány na Hugging Face, pod organizací MiniMaxAI. Na našem webu nenabízíme soubory modelů — tento web vypočítává, jaký hardware je potřebný pro jejich spuštění.
MiniMax-VL-01— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2.1 × 10²⁴ FLOP, na hardwaru zaznamenáno jako NVIDIA H800 SXM5. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.