一百萬token上下文窗口，八倍于DeepSeek R1的處理長度，訓練成本僅53萬美元——沉寂已久的AI六小虎之一MiniMax用開源新模型重新定義了性價比。

?
6月17日，中國AI領域再掀巨浪。AI創業公司MiniMax正式宣布開源其最新大模型MiniMax-M1，以創紀錄的100萬token上下文處理能力和僅53.47萬美元的訓練成本，創造了開源領域的里程碑。
?

?

這款搭載4560億參數的全新混合專家模型（MoE）已在Hugging Face平臺全面開放，成為目前全球開源模型中長文本推理能力最強的“新王者”。

?

同時，官網也同步上線了新模型：

?

?

與DeepSeek R1相比，M1的上下文處理能力提升了整整8倍，與谷歌Gemini 2.5 Pro處于同一水平，而輸出token量可達8萬。

?

而這么驚艷的表現，MiniMax僅僅使用了512塊H800 GPU集群，三周內就完成了模型訓練，成本僅為DeepSeek R1的十分之一，OpenAI訓練GPT-4的千分之五。

?

技術架構上，M1采用了創新的“閃電注意力機制”，大幅降低了長文本推理的計算負擔。在處理10萬token生成任務時，其計算量（FLOPs）只需要DeepSeek R1的25%。

?

同時，MiniMax自研的CISPO強化學習算法，在收斂速度上較字節跳動的DAPO算法快一倍，比DeepSeek早期采用的GRPO效率提升更為顯著。

?

性能方面，MiniMax-M1在17項主流測試中都有十分出色的表現。

?

在軟件工程基準SWE-bench上，M1-80K版本達到56.0%準確率，雖略低于DeepSeek-R1的57.6%，但大幅領先其他開源模型。在代理工具使用場景（TAU-bench）中，M1甚至擊敗了谷歌Gemini 2.5 Pro，成為開源模型中的佼佼者。
?

【MiniMax-M1與領先開源及閉源模型的基準性能比較】

?

尤其在需要超長文本理解的法律文檔分析、長篇代碼審查等場景，M1展現出接近OpenAI o3和Claude4 Opus的商業級表現。
?

在DeepSeek引爆的開源浪潮之后，MiniMax-M1的發布無疑給中國AI競技場再添一把火。

?

雖然AI六小虎格局已逐步讓位于「基模五強」，但MiniMax用這款百萬級上下文的開源模型，宣告自己仍在牌桌之上。

?

另一方面，M1對DeepSeek等中國AI企業也構成了一定挑戰：它以八倍的上下文處理能力和十分之一的訓練成本，重新定義了國產大模型的性價比標準。

?

當企業用戶面對復雜文檔分析、代碼倉庫級審查等任務時，M1的百萬token窗口提供了閉源模型之外的高性能選擇。

?
這種開源創新正在重塑中國AI的競爭范式。將了不起的模型開源出來，可以讓更多的人有機會在這些模型的基礎上做更多了不起的事情。

?

而今MiniMax接力開源，標志著中國AI企業的集體躍升。
?

當DeepSeek被200多家企業快速接入，背后是國產模型、國產云服務、國產算力共同形成的產業閉環；MiniMax以M1加入戰局，則進一步強化了這種生態協同。
?

這場開源盛宴將加速AI能力的平民化普及。當53萬美元就能訓練出百萬token的頂級模型，當Apache許可證下的MoE架構唾手可得，AI創新將不再被巨頭壟斷。

?

正如MiniMax在技術報告中強調的：“M1為下一代語言模型智能體奠定了堅實基礎，使其能夠推理并應對現實世界的挑戰”。

?

一個由開源力量驅動的AI普惠時代，正在中國企業的接力創新中全速駛來。