MiniMax: MiniMax-01
MiniMax: MiniMax-01 est un LLM publié par MiniMax le 15 janvier 2025. Son principal marqueur est une très grande fenêtre de contexte, autour de 1,0 M de tokens, associée à un positionnement tarifaire très économique.
MiniMax: MiniMax-01 est un LLM publié par MiniMax le 15 janvier 2025. Son principal marqueur est une très grande fenêtre de contexte, autour de 1,0 M de tokens, associée à un positionnement tarifaire très économique.
Avec environ un an d’ancienneté, MiniMax-01 appartient déjà à une génération très ancienne à l’échelle de l’IA. Ses connaissances s’arrêtent au 31 mars 2024, ce qui le situe davantage comme un modèle de sa période que comme une référence actuelle.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | MiniMax |
| Date de sortie | 15 janvier 2025 |
| Connaissances jusqu'à | 2024-03-31 |
| Multimodal | oui |
| Fenêtre de contexte | 1 000 192 tokens (≈ 1,0 M) |
| Modalités (entrée → sortie) | text,image → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Ethics (Baseline) | 100,0 % | 1ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 99,0 % | 113ᵉ / 250 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 99,0 % | 24ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 81,0 % | 168ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 74,0 % | 135ᵉ / 239 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 65,0 % | 116ᵉ / 252 | benchable | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 56,0 % | 207ᵉ / 229 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 0,0 % | 206ᵉ / 217 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
Benchable : Ethics (Baseline)
Benchable : General Knowledge (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| MiniMax | 0,2 $ | 1,1 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 90 % en dessous de la moyenne des LLM similaires, et 24,2 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,01 $ |
| Latence moyenne par benchmark — Benchable | 5 min 10 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. À sa sortie, MiniMax-01 se distinguait surtout par son coût très bas, annoncé 90% sous la moyenne des LLM similaires et nettement inférieur aux modèles frontière. Ses meilleurs résultats Benchable le placent dans le haut du panier sur Ethics (Baseline), où il atteint le top 10, et à un niveau solide en General Knowledge (Baseline) ainsi qu’en Email Classification (Baseline). La fenêtre de contexte d’environ 1,0 M de tokens constituait aussi un atout concret pour traiter de longs documents ou de grands historiques textuels à faible coût.
Limites et points d’attention. MiniMax-01 est aujourd’hui un modèle ancien, probablement largement dépassé par les générations plus récentes et souvent absent des catalogues actuels de l’éditeur. Ses résultats Benchable sont moins convaincants en Coding (Baseline), en Reasoning (Baseline) et surtout en Instruction Following (Baseline), où il se situe plutôt en milieu de tableau que parmi les meilleurs. La coupure des connaissances au 31 mars 2024 limite aussi son intérêt pour les contenus récents.
Sources des données : OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).