MiniMax 推出全新開源推理模型 M1

AI資訊

MiniMax 推出全新開源推理模型 M1

中國人工智慧新創公司MiniMax於2025年6月正式開源全球首個大規模混合架構推理模型「MiniMax-M1」，以突破性的百萬級上下文處理能力與超高效算力利用率，重新定義開源模型的性能標竿。這項技術突破不僅在長文本理解任務中超越OpenAI與Claude等國際巨頭，更以僅53萬美元的強化學習訓練成本，展現顛覆性性價比優勢。

架構革命：閃電注意力混合機制

M1模型採用創新的「混合專家+閃電注意力」雙重架構，總參數量達4,560億，單次推理激活45.9億參數。其核心技術突破在於：

• 線性與標準注意力融合：結合線性注意力的高效長序列處理能力與標準Softmax注意力的精準信息檢索特性，解決傳統架構在超長上下文中的性能瓶頸

• 動態計算資源分配：根據任務複雜度自動調配注意力頭數目，在生成8萬Token輸出時，浮點運算量僅需DeepSeek R1的30%

• 分層上下文管理：將百萬Token輸入分為語義單元處理，實現長文檔的結構化理解與跨段落關聯分析

性能屠榜：17項測試全面領先

在關鍵基準測試中，M1展現壓倒性優勢：

測試項目	M1-80k 表現	對比競品優勢
SWE-bench	56.0%	超越所有開源模型
長文本理解	全球第2	僅次Gemini 2.5 Pro
工具使用（TAU）	85.3分	擊敗Gemini 2.5 Pro
代碼生成	94%準確率	較DeepSeek R1提升12%

 

 

特別在軟體工程場景，M1能自動解析10萬行代碼庫，精準定位技術債務與架構缺陷，較傳統模型效率提升5倍以上。

成本顛覆：53萬美元訓練奇蹟

M1的訓練過程改寫行業規則：

• 3週閃電訓練：使用512塊NVIDIA H800 GPU完成強化學習階段

• 動態課程學習：優先訓練高價值數據樣本，減少無效計算達70%

• 分階段參數凍結：在微調階段鎖定基礎層參數，降低記憶體消耗40%

此高效訓練模式使M1的API定價極具競爭力：

• 標準上下文（0-32k）輸入成本0.8元/百萬Token，較DeepSeek低35%

• 百萬級上下文輸入費率2.4元/百萬Token，為業界獨家支持

生態布局：開源戰略與商業化並進

MiniMax同步啟動雙軌戰略：

1. 全面開源：於Hugging Face與GitHub發布完整模型權重，支援vLLM/Transformer框架部署

2. 企業服務：提供從40k到80k思維預算的多版本推理服務，涵蓋金融風控、智慧醫療等垂直領域

3. 開發者生態：聯合SGLang優化推理鏈框架，推出長上下文微調工具鏈

該公司更預告將連續五天發布技術更新，包括多模態推理增強與自主智能體開發套件，持續擴大技術領先優勢。

產業衝擊：重新洗牌AI基礎設施

M1的問世直接衝擊現有市場格局：

• 算力門檻降低：使百億參數模型推理成本進入中小企業承受範圍

• 長文本應用爆發：法律合約審查、基因序列分析等場景將加速落地

• 開源閉源競合：迫使國際大廠重新評估模型開放策略

隨著M1在GitHub釋出24小時內獲得2.4萬星標，這場由中國團隊主導的AI基礎設施革命，正改寫全球人工智慧的技術版圖。