数据：
MiniMax-M1模型参数4560亿，支持最高100万上下文输入，性能超DeepSeek-R1，训练成本约53.47万美元（折合人民币约385万）。
线索：
MiniMax-M1是首个开源大规模混合架构推理模型，显著降低了训练成本，适合需要处理长上下文和复杂任务的应用场景。对DeepSeek-R1构成直接竞争，潜在降低了市场价格和提升性能标准，还可能引发用户的迁移与新兴开发应用场景的涌现。
正文：
6月17日，MiniMax发布了其全球首个开源大规模混合架构的推理模型MiniMax-M1，并宣布了一项为期五天的更新计划。
MiniMax-M1模型的参数规模达到4560亿，相较于其他模型，其每个token能激活459亿参数，原生支持高达100万的上下文输入和8万token的推理输出，输入长度与谷歌的Gemini 2.5 Pro相同，是DeepSeek-R1的8倍。MiniMax团队训练了两个版本的M1，分别具备40k和80k的思考预算。
在标准基准测试上，MiniMax-M1显示出在复杂的软件工程、工具使用和长上下文任务方面的出色表现，优于DeepSeek-R1和Qwen3-235B等开源模型。
在训练阶段，研究人员使用512块H800进行强化学习训练，持续三周，租赁费用为53.74万美元（约385.9万元人民币），与最初预期相比大幅降低。M1模型在MiniMax的APP和Web上支持不限制的免费使用，API价格分为三个档次，适用于不同范围的输入长度。
与DeepSeek-R1的输入长度和表现相较，M1在各个层级的价格中具有一定优势，尤其在第三档（128k-1M输入长度）展现出明显的市场优势，后者是不支持该输入长度的。
MiniMax同时指出，另一家竞争对手也开源了编程模型Kimi-Dev，其编程能力强于DeepSeek-R1。MiniMax-M1的推理模型已被公认为处理复杂任务和超长文本输入的理想选择，开发者可以在其交互平台中体验MiniMax-M1的能力。
发布时间：
2025-06-17 16:13:57
评论 ( 0 )