MiniMax发布全球首个开源混合架构推理模型M1，推翻AI竞赛规则

在人工智能领域的持续进化中，竞争并非仅仅围绕模型的性能进行，而是逐渐转向高效率、低成本以及出色的推理能力。中国AI独角兽公司MiniMax于6月17日凌晨在上海发布了其自主研发的MiniMax-M1系列模型，宣告了AI竞赛的全新规则。M1被誉为“全球首个开源的大规模混合架构推理模型”，正成为Agent（智能体）时代的重要基础模型。

根据MiniMax发布的技术报告，M1模型在处理百万级Token的长文本时展现出了出色的能力，成为了当前市场上上下文最长的推理模型。这一突破的核心在于其混合架构的设计，使得推理成本降低到了53万美元（约合人民币380万元），这与同行相比有着显著的优势。同时，在工具使用场景（TAU-bench）中，MiniMax-M1-40k的表现也超越了众多开源模型，以支持更高效的开发和应用。

M1的发布引起了广泛关注，技术社区和行业观察者迅速给予高度评价，“性能媲美DeepSeek-R1，又一次卷到硅谷了”，这些评价表明了M1在技术水平上的提升。除开源模型权重外，MiniMax还以非常具有竞争力的价格推出了API服务，其定价策略也展现了其成本优势，吸引了众多开发者的目光。具体0～32k Token的输入和输出均以相对低廉的价格提供，同时在自有App和Web端中，M1模型将保持免费使用，这为其技术的普及打下了基础。

在性能评估中，MiniMax对M1的能力进行了全面测试，结果显示其在17个主流评测集上表现优异，尤其是在软件工程、长文本理解等复杂场景中，优势非常明显。以其M1-40k和M1-80k版本为例，在代码能力评估（SWE-bench）中分别获得了55.6%和56.0%的优秀成绩，远超其他开源模型，稳居行业第一。

在长文本处理能力方面，M1系列的百万级上下文窗口极大地拓宽了其应用场景，其在长文本理解的测试中，即便在全球范围内也仅以微弱差距落后于谷歌的Gemini2.5 Pro，排名第二。这一系列的优势使M1成为了AI智能体的首选基座模型，展现了无与伦比的潜力。工具调用（TAU-bench）的测试结果表明，M1-40k模型在模拟真实世界工具调用的复杂场景中再次超越了闭源的Gemini-2.5 Pro，展现出了极高的实用价值。

M1之所以能够取得如此耀眼的成绩，得益于其独特的架构设计和算法创新。核心技术方面，MiniMax采用了线性注意力机制（Lightning Attention）和更快速的强化学习算法CISPO（Clipped IS-weight Policy Optimization），为其高效能和低成本提供了坚实的基础。长文本处理能力已经成为现代大规模模型的一个重要评估指标，而M1模型则在这方面表现得尤为突出。其原生支持的100万Token上下文窗口以及最长8万Token推理输出，为复杂任务处理提供了更多可能性。

传统的Transformer模型在处理长序列时，注意力机制的计算量呈平方级增长，成为了性能和成本的主要瓶颈。而M1的混合架构意味着在计算效率上有着显著的优化，使得在进行8万Token的深度推理时所需的算力仅为DeepSeek-R1的30%。这一效率的提升不仅加快了推理的速度，也在很大程度上降低了训练和推理过程中的资源消耗。

新提出的CISPO算法通过裁剪重要性采样权重，以提高强化学习的效率和稳定性，实验数据表明其收敛性能较字节跳动的最新算法快了一倍，且显著优于早期使用的GRPO算法。这样的提升意味着更短的训练时间和更低的资源消耗，而MiniMax的官方数据进一步证实了CISPO技术的有效性，项目的强化学习阶段仅使用了512块H800 GPU，耗时三周，花费也远低于预期。

分析师指出，这一模型的推出为开发者和企业提供了一个高性能、低门槛的全新选择，同时展现了通过技术创新打破“算力-资本”壁垒的可能性。当前的竞争模式，将迫使更多模型厂商转向真正的技术驱动与价值创造，而非停留在参数与估值的表面繁荣中。

值得一提的是，M1的发布仅仅是MiniMax“开源周”的开始。在的四天内，MiniMax计划每天推出新的技术或产品更新，并积极与国家超算、vLLM等业界主流开源框架合作，力求为开发者带来更高效、便捷的M1模型部署与使用体验。随着这一系列的举措，MiniMax将在AI领域内引领新的技术浪潮，推动整个行业的进步与创新。