MiniMax开源大规模混合架构推理模型｜参赞生命力

MiniMax 宣布推出了全球首个开源的大规模混合架构推理模型 MiniMax-M1。

据介绍，在面向生产力的复杂场景时，M1 的能力目前位居开源模型中的第一梯队，超过国内的闭源模型、接近海外最领先的模型。

长文本能力是 M1 的显著优势。目前该模型支持 100 万上下文的输入量，这一长度是DeepSeek R1 的 8 倍、能够比肩 Google Gemini 2.5 Pro。推理输出的上限，则达到了业内最长的 8 万 Token。

这一优势，主要得益于其独创的两项新技术。

其一，以闪电注意力机制为主的混合架构。即便 8 万 Token 规模总量的深度推理，也只需占用同等条件下 DeepSeek R1 约 30% 的算力，提升了在训练和推理时的算力效率。

另一项新技术则是强化学习算法 CISPO：通过裁剪重要性采样权重（而非传统的 token 更新）极大提升强化学习效率。

据测算，整个强化学习阶段只有 3 周时间、共使用了 512 块 H800，租赁成本仅为 53.74 万美金（约 383.9 万元人民币），远低于预期投入水平。

M1 在业内主流的 17 个评测集上详细的评测结果

从上述数据中可以看出：

• MiniMax-M1-40k 和 MiniMax-M1-80k 在 SWE-bench 验证基准上分别取得55.6% 和 56.0% 的优异成绩，这一成绩略逊于 DeepSeek-R1-0528 的 57.6%，但显著超越其他开源权重模型。
• 依托其百万级上下文窗口，M1 系列在长上下文理解任务中表现卓越，不仅全面超越所有开源权重模型，甚至超越 OpenAI o3 和 Claude 4 Opus，全球排名第二，仅以微弱差距落后于 Gemini 2.5 Pro。
• 在代理工具使用场景（TAU-bench）中，MiniMax-M1-40k 同样领跑所有开源权重模型。

目前 M1 模型在 MiniMax APP 和 Web 上都保持不限量免费使用，并以业内最低的价格在其官网提供 API。

未来 4 天，MiniMax 将陆续介绍其他更新近况，欢迎关注。