为方便开发者研究，该公司还在 Github 上开源了两个模型的完整权重。这一系列模型的后续更新，包括代码和多模态相关的后续强化仍待上传。
该系列模型首次大规模实现线性注意力机制，打破 Transformer 传统架构记忆瓶颈，能够处理 400 万 token 的输入，可输入长度是 GPT-4o 的 32 倍，Claude-3.5-Sonnet 的 20 倍。
据介绍，这个模型的参数量高达 4560 亿，其中单次激活 459 亿，模型综合性能比肩海外顶尖模型，在大多数任务上追平了海外公认最先进的两个模型，GPT-4o-1120 以及 Claude-3.5-Sonnet-1022。
在长文任务上，随着输入长度变长，MiniMax-Text-01 性能衰减更少，显著优于谷歌 Gemini。因此，01 系列模型在处理长输入的时候有非常高的效率，接近线性复杂度。
定价方面，AI在线发现该系列模型标准定价是输入 1 元 / 百万输入 token、8 元 / 百万输出 token。
