HyperAI

HyperAI

Principal

GPU

Console
Docs
Tarifs

Pulse

Actualités

Ressources

Publications de recherche
Notebooks
Jeux de données
Wiki

Benchmarks

SOTA
Modèles LLM
Classement des GPU

Communauté

Événements

Utilitaires

À propos Conditions d’utilisation Politique de confidentialité
Français

Command Palette

Search for a command to run...

HyperAI
Papers
MiniMax-M1 : Échelonner l'efficacité du calcul en temps de test avec l'Attention Rapide

Discuter sur Discord

il y a un an

Entraînement Du Modèle

Résumé Paper Ressources

minimax-ai/minimax-m13.2k

Officiel

pytorch

MiniMax-AI/MiniMax-M1

Construire l’avenir de l’intelligence artificielle

À propos

À propos Aide relative au jeu de données

Produits

Actualités Publications de recherche Notebooks Jeux de données Wiki

Liens

© HyperAI

GitHub Discord X (formerly Twitter)

HyperAI

Principal

GPU

Console
Docs
Tarifs

Pulse

Actualités

Ressources

Publications de recherche
Notebooks
Jeux de données
Wiki

Benchmarks

SOTA
Modèles LLM
Classement des GPU

Communauté

Événements

Utilitaires

À propos Conditions d’utilisation Politique de confidentialité
Français

Command Palette

Search for a command to run...

HyperAI
Papers
MiniMax-M1 : Échelonner l'efficacité du calcul en temps de test avec l'Attention Rapide

Discuter sur Discord

il y a un an

Entraînement Du Modèle

Résumé Paper Ressources

minimax-ai/minimax-m13.2k

Officiel

pytorch

MiniMax-AI/MiniMax-M1

Construire l’avenir de l’intelligence artificielle

À propos

À propos Aide relative au jeu de données

Produits

Actualités Publications de recherche Notebooks Jeux de données Wiki

Liens

© HyperAI

GitHub Discord X (formerly Twitter)

3.2k

3.2k

Resources - MiniMax-M1 : Échelonner l'efficacité du calcul en temps de test avec l'Attention Rapide | Articles | HyperAI