当 DeepSeek 的推理模型震撼全球 AI 圈时，一家估值 200 亿人民币的中国独角兽正悄然磨刀霍霍，准备用仅 53 万美元的训练成本和颠覆性架构设计，向这个新贵发起正面挑战。
17 日，AI 创业公司MiniMax 发布了其首款推理模型 M1，根据基准评测，M1 性能超越国内闭源模型，接近海外最领先模型，部分任务超过 DeepSeek、阿里、字节，以及 OpenAI、谷歌和 Anthropic 等最新最强的开闭源模型。
这场较量的核心不仅在于性能，更在于效率——与 DeepSeek R1 相比，在生成 64K token 时，M1 消耗的算力不到其 50%；在 100K token 时，仅为其 25%。
MiniMax 称，M1 的整个强化学习过程仅使用 512 块英伟达 H800 GPU 训练三周，租赁成本 53.74 万美元（约合 380 万人民币）。这一成本控制&#34;比最初预期少了一个数量级&#34;。MiniMax 创始人&amp;CEO 闫俊杰发文表示：“第一次感觉到大山不是不能翻越。”
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/2e8b04b3-5e48-4b03-9d71-09c3765c5428.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="544" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/2e8b04b3-5e48-4b03-9d71-09c3765c5428.png"/>
<h2>MiniMax-M1：混合专家架构与线性注意力机制</h2>
MiniMax-M1 采用了混合专家（MoE）架构和线性注意力机制（Lightning Attention），这是对传统 Transformer 架构计算瓶颈的直接挑战。
“这种设计理论上能够高效地将推理长度扩展到数十万 token。” MiniMax 表示，这还能带来计算成本的大幅下降，“这个特性使我们在训练和推理的时候都有很大的算力效率优势”。
该模型总参数达 4560 亿，每 token 激活参数 459 亿，支持高达 100 万 Token 的上下文输入——这一数字是 DeepSeek R1 的 8 倍，与谷歌 Gemini 2.5 Pro 并列业内最高。
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/7023e4b0-ec9a-4344-8e8f-d6ad05938245.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="139" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/7023e4b0-ec9a-4344-8e8f-d6ad05938245.png"/>
在 17 个主流评测集的测试中，M1 在软件工程能力测试 SWE-bench 上取得超过 55% 的成绩，虽未达到海外顶尖模型水准，但超过了 DeepSeek-R1 以及阿里和字节的同类产品。在长上下文理解任务中，M1 在三项基准测试上全面超越所有开源模型，仅以微弱差距落后于 Gemini 2.5 Pro，位列全球第二。

<h2>成本革命：380 万人民币的强化学习实验</h2>
MiniMax 声称，M1 的整个强化学习过程仅使用 512 块英伟达 H800 GPU 训练三周，租赁成本 53.74 万美元（约合 380 万人民币）。这一成本控制&#34;比最初预期少了一个数量级&#34;。
公司还开发了名为 CISPO 的新型强化学习算法，在数学测试基准 AIME 的实验中，该算法比字节近期提出的 DAPO 算法实现了两倍加速，仅需 50% 的训练步骤就能达到相同表现。
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/39925c09-0e70-4b51-9e4a-11d95a6c1bd5.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="830" height="670" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/39925c09-0e70-4b51-9e4a-11d95a6c1bd5.png"/>
与 DeepSeek R1 相比，在生成 64K token 时，M1 消耗的算力不到其 50%；在 100K token 时，仅为其 25%。
<h2>区间定价策略！MiniMax 还有更多更新</h2>
目前，MiniMax-M1 已经对外开源，并在 MiniMax APP 和 Web 端免费升级。在 API 价格方面，MiniMax 采用了与字节豆包 1.6 相同的&#34;区间定价&#34;策略。
在 0-32k 和 32k-128k 输入长度区间，M1 的价格相比 DeepSeek-R1（输入 4 元/百万 token，输出 16 元/百万 token）更具性价比。对于 128k-1M 的最长输入区间，DeepSeek 模型甚至不支持此长度。
这一定价策略使 M1 成为继豆包之后的又一&#34;价格杀手&#34;，开发者评价其为&#34;性价比新王&#34;。
<h2>&#34;AI 六小龙&#34;的生存博弈</h2>
作为腾讯和阿里巴巴支持的&#34;AI 六小龙&#34;成员之一，MiniMax 仍在坚持基础研究。MiniMax 创始人兼 CEO 闫俊杰发文表示：&#34;第一次感觉到大山不是不能翻越。&#34;
据搜狐科技报道，M1 仅是该公司为期 5 天发布周的首个产品，后续还将发布智能体应用，并在视频、音乐等模型层面带来更多更新。
MiniMax 认为，M1 的高效架构将在未来智能体应用中具有独特优势。&#34;未来智能体需要数十到数百个回合进行推理，同时整合来自不同来源的长上下文信息，&#34;该公司表示。目前，MiniMax 正在海外内测智能体应用，主打代码、多模态等能力。

英伟达

AI 创业公司 MiniMax 发布了其首款推理模型 M1，该模型仅使用 512 块英伟达 H800 GPU 训练三周，租赁成本 53.74 万美元。在多项基准测试中，M1 超越 DeepSeek 最新的 R1-0528 模型，在生成 100K token 时，仅需 DeepSeek 25% 的计算资源。

- MiniMax 发布推理模型 M1，训练成本仅 53 万美元。  
- M1 性能超越 DeepSeek 和国内外多款模型，算力消耗显著降低。  
- 该模型支持高达 100 万 Token 的输入，具备高性价比和效率优势。

华尔街见闻

2 倍做多英伟达 ETF - GraniteShares

OpenAI

200 亿 AI 独角兽反击，MiniMax 首款推理模型对标 DeepSeeK，算力成本仅 53 万美元