MiniMax-M1是什么？
MiniMax-M1 是MiniMax（稀宇科技）推出的全球首個開源大規模混合架構推理模型，具備卓越的長上下文處理能力和高效的推理性能。其支持高達100萬上下文輸入和8萬Token輸出，采用閃電注意力機制，顯著提升算力效率。同時，該模型在軟件工程、長上下文理解等復雜場景中表現優異，性價比極高，且提供免費不限量使用和低價格API服務。
MiniMax-M1的技術優勢
- 大規模上下文輸入與推理輸出
- 支持高達100萬上下文的輸入，與 Google Gemini 2.5 Pro 相當，是 DeepSeek R1 的8倍。
- 提供業內最長的8萬Token的推理輸出。
- 這主要得益于其獨創的閃電注意力機制為主的混合架構，在處理長上下文輸入和深度推理時表現出顯著的高效性。例如，在8萬Token深度推理時，僅需使用 DeepSeek R1 約30%的算力。
- 高效的強化學習算法
- 提出了更快的強化學習算法 CISPO，通過裁剪重要性采樣權重（而非傳統 token 更新）提升強化學習效率。
- 在 AIME 實驗中，該算法的收斂性能比字節近期提出的 DAPO 等強化學習算法快一倍，顯著優于 DeepSeek 早期使用的 GRPO。
- 整個強化學習階段僅用512塊 H800 三周時間，租賃成本僅53.74萬美金，比預期少了一個數量級。
MiniMax-M1的性能表現
- 軟件工程場景：MiniMax-M1-40k 和 MiniMax-M1-80k 在 SWE-bench 驗證基準上分別取得55.6%和56.0%的成績，略遜于 DeepSeek-R1-0528 的57.6%，但顯著超越其他開源權重模型。
- 長上下文理解任務：依托百萬級上下文窗口，M1 系列在長上下文理解任務中表現卓越，全面超越所有開源權重模型，甚至超越 OpenAI o3 和 Claude 4 Opus，全球排名第二，僅以微弱差距落后于 Gemini 2.5 Pro。
- 代理工具使用場景
- MiniMax-M1-40k 在 TAU-bench 中領跑所有開源權重模型，并戰勝 Gemini-2.5 Pro。
- MiniMax-M1-80k 在大多數基準測試中始終優于 MiniMax-M1-40k，驗證了擴展測試時計算資源的有效性。
如何使用MiniMax-M1？
1、普通用戶
MiniMax-M1已經在MiniMax Web 和 APP 上都保持不限量免費使用。
2、企業和開發者
MiniMax開發者平臺提供業內最低價格的 API 服務：
- 0-32k 輸入長度：輸入0.8元/百萬 token，輸出8元/百萬 token。
- 32k-128k 輸入長度：輸入1.2元/百萬 token，輸出16元/百萬 token。
- 128k-1M 輸入長度：輸入2.4元/百萬 token，輸出24元/百萬 token。
前兩種模式性價比高于 DeepSeek-R1，后一種模式 DeepSeek 模型不支持。
3、開源與部署
- 在線體驗：https://chat.minimax.io/
- Hugging Face：https://huggingface.co/MiniMaxAI
- GitHub：https://github.com/MiniMax-AI/MiniMax-M1
- 技術報告：https://arxiv.org/abs/2506.13585
?版權聲明：如無特殊說明，本站所有內容均為AIHub.cn原創發布和所有。任何個人或組織，在未征得本站同意時，禁止復制、盜用、采集、發布本站內容到任何網站、書籍等各類媒體平臺。否則，我站將依法保留追究相關法律責任的權利。
