<blockquote class="author" data-type="1">

<p><span>界面新闻记者 | </span><span class="author_name">伍洋宇</span></p>

<p><span>界面新闻编辑 | </span><span class="edit_name">文姝琪</span></p>

</blockquote>

<p><span>Minimax公司举办了一场技术发布周，在活动的前两天，公司不仅在模型技术上发布了重大更新，还推出了其核心产品——海螺AI，并推出了一款名为M1的推理模型。</span></p>

<p><span>M1是Minimax推出的首款推理模型，与DeepSeek-R1相比，它有两个显著优势：一是强大的长文本处理能力，二是出色的成本效益。</span></p>

<p><span>Minimax-M1支持高达100万token的上下文输入，是DeepSeek R1的8倍，与谷歌Gemini 2.5 Pro在闭源模型中表现一致，同时还能支持最长8万Token的推理输出。</span></p>

<p><span>在实际应用中，如果用户提供一份100万token大小的阅读材料并提出需求，M1可以正常执行，但对于不支持如此长输入长度的模型，可能只能显示阅读了一定比例的内容并执行需求。</span></p>

<p><span>Minimax在其技术报告中指出，M1能够实现长文本处理能力的突破，主要得益于其采用的Lightning Attention（闪电注意力）混合架构。</span></p>

<p class="report-view"><img src="//img3.jiemian.com/101/original/vcg/20240314/1710382902260.png"></p>

<p><span>传统Transformer架构在处理长文本时，其注意力机制下的计算量呈平方级增长，文本序列越长，计算量越巨大，这对性能和成本都是巨大的挑战。</span></p>

<p><span>Lightning Attention的做法是将全连接注意力拆分为两部分：一是针对局部上下文整合的传统注意力机制“块内”attention；二是针对全局摘要的线性注意力“块间”attention，这种方案可以减少大量累积性的计算量，并提高处理速度。</span></p>

<p><span>在成本方面，Minimax的报告提到，在进行8万Token的深度推理时，M1所需的算力仅为DeepSeek R1的约30%；生成10万token时，推理算力约为DeepSeek R1的25%，团队表示，M1模型的整个强化学习阶段仅使用了512块英伟达H800 GPU，耗时三周，成本为53.5万美元。</span></p>

<p><span>在这一点上，Minimax提出了CISPO（Clipped IS-weight Policy Optimization）算法，这是一种高效、稳定的强化学习策略，与PPO策略相比，它通过裁剪重要性采样权重来提升强化学习效率，类似于“序列级别”裁剪。</span></p>

<p><span>这使得M1能够更快地实现收敛，并减少训练时间和资源消耗，其报告中的实验数据显示，在AIME（AI-powered Moral Evaluator）等测试中，CISPO的收敛性均快于DAPO算法和GRPO算法。</span></p>

<p><span>M1的定价根据文本大小分为三个价格区间：0-32k Token，输入0.8元/百万Token，输出8元/百万Token；32k-128k Token，输入1.2元/百万Token，输出16元/百万Token；128k-1M Token，输入2.4元/百万Token，输出24元/百万Token。</span></p>

<p><span>虽然这是一个相对较低的定价，但也意味着，随着文本输入与输出的增长，用户的token消耗费用也可能面临大幅上涨。</span></p>

<p><span>Minimax还推出了全新的海螺AI产品，加入了Hailuo 02模型，视频可原生1080P，Minimax此次强调了它处理极端物理场景的能力，例如杂技，官方发布的演示视频也是一段精彩的杂技表演。</span></p>

<p><span>在AI视频竞技场的排行榜（Artificial Analysis Video Arena Leaderboard）中，Hailuo 02（0616）目前位居第二，仅次于字节旗下视频生成模型Seedance 1.0，超过了谷歌Veo 3 preview以及快手Kling 2.0。</span></p>

<p><span>在此之前，Minimax在一众大模型创业公司中以多模态能力见长，为什么在DeepSeek-R1掀起巨浪近半年之后，它仍要完善推理模型的能力版图呢？</span></p>

<p><span>一位AI大模型投资人对界面新闻记者表示，从时间线上看，Minimax没有在OpenAI o1模型掀起范式变革后，在国内相对较早的时间点发布一款推理模型，这可能是核心团队在决策判断上没有给予这个训练方向足够的重视?！?#36825;是团队必须补的一课。”</span></p>

<p><span>另一位接触过Minimax的投资人认为，Minimax现在向市场发布推理模型的重要意义，一是说明在技术上不掉队，二是用“唯一一个支持超长文本”的推理模型建立用户心智?！?#36825;对资本市场还是有影响的?！?#36825;名投资人表示。</span></p>

<p><span>他认为此次M1发布即开源，如果模型的效果和口碑能够保持住，也可以让Minimax借机将以前相对短板的开发者社区运营起来，国内更受开发者认可的仍然是通义千问和DeepSeek。</span></p>

<p><span>在成本和长文本之外，MiniMax-M1在基准测试等基本问题上也有不俗表现，它在AIME 2024、LiveCodeBench、SWE-bench Verified上略逊色于DeepSeek-R1-0528，但在TAU-bench上有所赶超。</span></p>

<p><span>在体现长文本处理能力的MRCR（4-needle）上，它确实给开发者留下了深刻印象，大幅超越了一众开闭源模型。</span></p>

<figure class="content-img-focus img-focus">

<img alt="" src="https://img2.jiemian.com/101/original/20250618/175021998829065600_a700xH.jpeg">

<figcaption>图片：Minimax</figcaption>

</figure>

<p><span>不过，它究竟能够对开源社区产生多大影响还有待观察，在Github上，M1发布8小时后获得440星，截至目前得到了620星。</span></p>