图灵汇官网

图灵汇报道显示，MiniMax 稀宇科技计划在未来五天内陆续推出重要更新。首日，他们发布了全球首个开源推理模型——MiniMax-M1。

这款模型因其创新的混合架构而备受关注。据官方描述，MiniMax-M1 是首个开源的大型混合架构推理模型，其能力在生产环境中表现出色，不仅超过了国内的闭源模型，也接近国际顶尖水平，同时具有极高的性价比。

研发团队透露，MiniMax-M1 的训练过程非常高效，仅耗时三周，使用了512块H800 GPU就完成了强化学习阶段的训练，总成本仅为53.47万美元。这一成果远低于最初的预算预期，显示出显著的成本节约。

MiniMax-M1 的一大亮点是支持高达100万Token的上下文输入，这一能力使其与Google Gemini 2.5 Pro持平，是DeepSeek R1的八倍，同时也是行业中最长的8万Token推理输出。这种高性能得益于其独特的闪电注意力机制混合架构，大幅提升了处理长文本和深度推理的能力。例如，在8万Token的推理任务中，它只需DeepSeek R1约30%的算力即可完成，极大提高了训练和推理的效率。

此外，团队还开发了一种名为CISPO的新算法，通过优化重要性采样权重而非传统的token更新来加速强化学习过程。实验表明，该算法的收敛速度比近期流行的DAPO算法快一倍，且显著优于DeepSeek早期采用的GRPO算法。

在多项评测中，MiniMax-M1的表现令人印象深刻。特别是在软件工程、长文本理解和工具应用等领域，MiniMax-M1展现出了强大的竞争力。比如，在SWE-bench验证基准上，MiniMax-M1-40k和MiniMax-M1-80k分别取得了55.6%和56.0%的成绩，虽然稍逊于DeepSeek-R1-0528的57.6%，但已显著优于其他开源模型。

另外，MiniMax-M1系列在长上下文理解方面尤为突出，其百万级的上下文窗口使其在全球范围内排名第二，仅次于Gemini 2.5 Pro。在代理工具使用场景中，MiniMax-M1-40k同样处于领先地位，击败了Gemini-2.5 Pro。

值得一提的是，MiniMax-M1-80k在多数测试中都优于MiniMax-M1-40k，证明了增加计算资源的价值。完整的模型权重和技术文档可在官方Hugging Face和GitHub账号获取。此外，vLLM和Transformer两个开源项目提供了相应的推理部署支持，与SGLang的合作也在推进中。

由于其高效的算力利用，MiniMax在自家App和网站上提供了无限制的免费使用服务，并通过官网提供了业内最低价格的API接口。不同输入长度下的收费标准分别为：0-32k Token时，输入每百万Token收费0.8元，输出每百万Token收费8元；32k-128k Token区间内，输入收费1.2元，输出收费16元；最长的128k-1M Token区间内，输入收费2.4元，输出收费24元。前两类模式的性价比高于DeepSeek-R1，而最后一种模式则不在DeepSeek的服务范围内。

未来几天，MiniMax还将带来一系列新进展，敬请期待。