當 DeepSeek 的推理模型震撼全球 AI 圈時，一家估值 200 億人民幣的中國獨角獸正悄然磨刀霍霍，準備用僅 53 萬美元的訓練成本和顛覆性架構設計，向這個新貴發起正面挑戰。
17 日，AI 創業公司MiniMax 發佈了其首款推理模型 M1，根據基準評測，M1 性能超越國內閉源模型，接近海外最領先模型，部分任務超過 DeepSeek、阿里、字節，以及 OpenAI、谷歌和 Anthropic 等最新最強的開閉源模型。
這場較量的核心不僅在於性能，更在於效率——與 DeepSeek R1 相比，在生成 64K token 時，M1 消耗的算力不到其 50%；在 100K token 時，僅為其 25%。
MiniMax 稱，M1 的整個強化學習過程僅使用 512 塊英偉達 H800 GPU 訓練三週，租賃成本 53.74 萬美元（約合 380 萬人民幣）。這一成本控制&#34;比最初預期少了一個數量級&#34;。MiniMax 創始人&amp;CEO 閆俊傑發文表示：“第一次感覺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：混合專家架構與線性注意力機制</h2>
MiniMax-M1 採用了混合專家（MoE）架構和線性注意力機制（Lightning Attention），這是對傳統 Transformer 架構計算瓶頸的直接挑戰。
“這種設計理論上能夠高效地將推理長度擴展到數十萬 token。” MiniMax 表示，這還能帶來計算成本的大幅下降，“這個特性使我們在訓練和推理的時候都有很大的算力效率優勢”。
該模型總參數達 4560 億，每 token 激活參數 459 億，支持高達 100 萬 Token 的上下文輸入——這一數字是 DeepSeek R1 的 8 倍，與谷歌 Gemini 2.5 Pro 並列業內最高。
<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 個主流評測集的測試中，M1 在軟件工程能力測試 SWE-bench 上取得超過 55% 的成績，雖未達到海外頂尖模型水準，但超過了 DeepSeek-R1 以及阿里和字節的同類產品。在長上下文理解任務中，M1 在三項基準測試上全面超越所有開源模型，僅以微弱差距落後於 Gemini 2.5 Pro，位列全球第二。
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/37db4f0d-d61d-4145-8022-20a4914a7c8a.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="550" height="564" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/37db4f0d-d61d-4145-8022-20a4914a7c8a.png"/>
<h2>成本革命：380 萬人民幣的強化學習實驗</h2>
MiniMax 聲稱，M1 的整個強化學習過程僅使用 512 塊英偉達 H800 GPU 訓練三週，租賃成本 53.74 萬美元（約合 380 萬人民幣）。這一成本控制&#34;比最初預期少了一個數量級&#34;。
公司還開發了名為 CISPO 的新型強化學習算法，在數學測試基準 AIME 的實驗中，該算法比字節近期提出的 DAPO 算法實現了兩倍加速，僅需 50% 的訓練步驟就能達到相同表現。
<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"/>
與 DeepSeek R1 相比，在生成 64K token 時，M1 消耗的算力不到其 50%；在 100K token 時，僅為其 25%。
<h2>區間定價策略！MiniMax 還有更多更新</h2>
目前，MiniMax-M1 已經對外開源，並在 MiniMax APP 和 Web 端免費升級。在 API 價格方面，MiniMax 採用了與字節豆包 1.6 相同的&#34;區間定價&#34;策略。
在 0-32k 和 32k-128k 輸入長度區間，M1 的價格相比 DeepSeek-R1（輸入 4 元/百萬 token，輸出 16 元/百萬 token）更具性價比。對於 128k-1M 的最長輸入區間，DeepSeek 模型甚至不支持此長度。
這一定價策略使 M1 成為繼豆包之後的又一&#34;價格殺手&#34;，開發者評價其為&#34;性價比新王&#34;。
<h2>&#34;AI 六小龍&#34;的生存博弈</h2>
作為騰訊和阿里巴巴支持的&#34;AI 六小龍&#34;成員之一，MiniMax 仍在堅持基礎研究。MiniMax 創始人兼 CEO 閆俊傑發文表示：&#34;第一次感覺到大山不是不能翻越。&#34;
據搜狐科技報道，M1 僅是該公司為期 5 天發佈周的首個產品，後續還將發佈智能體應用，並在視頻、音樂等模型層面帶來更多更新。
MiniMax 認為，M1 的高效架構將在未來智能體應用中具有獨特優勢。&#34;未來智能體需要數十到數百個回合進行推理，同時整合來自不同來源的長上下文信息，&#34;該公司表示。目前，MiniMax 正在海外內測智能體應用，主打代碼、多模態等能力。

英偉達

AI 創業公司 MiniMax 發佈了其首款推理模型 M1，該模型僅使用 512 塊英偉達 H800 GPU 訓練三週，租賃成本 53.74 萬美元。在多項基準測試中，M1 超越 DeepSeek 最新的 R1-0528 模型，在生成 100K token 時，僅需 DeepSeek 25% 的計算資源。

- MiniMax 發佈推理模型 M1，訓練成本僅 53 萬美元。  
- M1 性能超越 DeepSeek 和國內外多款模型，算力消耗顯著降低。  
- 該模型支持高達 100 萬 Token 的輸入，具備高性價比和效率優勢。

華爾街見聞

2 倍做多英偉達 ETF - GraniteShares

OpenAI

200 億 AI 獨角獸反擊，MiniMax 首款推理模型對標 DeepSeeK，算力成本僅 53 萬美元