MiniMax公司近期震撼發布其劃時代的新模型——MiniMax-M1，這款模型以其開源特性及大規模混合架構，在復雜生產力場景中大放異彩，樹立了開源模型的新標桿。MiniMax-M1不僅在國內超越了眾多閉源模型，其性能更是逼近國際頂尖水平，同時保持了業界無與倫比的性價比優勢。

尤為引人注目的是，MiniMax-M1能夠處理高達100萬的上下文輸入，這一能力與海外頂級閉源模型Google Gemini2.5Pro比肩，相較于DeepSeek R1，更是實現了8倍的提升。該模型還能輸出長達8萬Token的推理結果，這得益于MiniMax獨創的混合架構，特別是其核心的閃電注意力機制，使得在處理超長上下文和深度推理任務時，效率實現了質的飛躍。例如，在深度推理8萬Token的任務中，MiniMax-M1的算力需求僅為DeepSeek R1的30%，展現了顯著的算力效率。

在強化學習領域，MiniMax同樣取得了突破，提出了全新的CISPO算法。該算法通過優化重要性采樣權重，極大地提升了強化學習的訓練效率。在AIME實驗中，CISPO算法的收斂速度較其他算法，包括字節最新提出的DAPO，快了一倍，甚至超越了DeepSeek早期采用的GRPO算法。這些技術創新使得MiniMax-M1的強化訓練過程異常高效，訓練成本大幅降低，僅用了512塊H800三周的時間，租賃成本遠低于預期。

在評測表現上，MiniMax-M1同樣不負眾望，在業內主流的17個評測集中均取得了優異成績。特別是在軟件工程、長上下文理解與工具使用等復雜生產力場景中，MiniMax-M1展現出了壓倒性的優勢。在SWE-bench基準測試中，MiniMax-M1-40k和MiniMax-M1-80k分別取得了55.6%和56.0%的高分，雖然略低于DeepSeek-R1-0528的57.6%，但遠超其他開源模型。憑借百萬級的上下文窗口，MiniMax-M1在長上下文理解任務中更是獨領風騷，不僅超越了所有開源模型，還在某些方面逼近了OpenAI o3和Claude4Opus，位列全球第二。

在代理工具使用場景（TAU-bench）中，MiniMax-M1同樣表現出色，不僅領跑所有開源模型，還成功擊敗了Gemini-2.5Pro。MiniMax-M1-80k在多數基準測試中的表現均優于MiniMax-M1-40k，這充分證明了增加計算資源對于提升模型性能的有效性。

價格方面，MiniMax-M1繼續保持親民路線，成為業內價格最低的模型之一。用戶可以在MiniMax APP和Web上不限量免費使用該模型，同時，官網也提供了極具競爭力的API服務價格。這一舉措無疑將進一步推動MiniMax-M1的市場普及和應用拓展。

感興趣的用戶可以通過以下鏈接獲取MiniMax-M1的模型資源：MiniMax-M1-40k位于huggingface.co/MiniMaxAI/MiniMax-M1-40k，而MiniMax-M1-80k則位于huggingface.co/MiniMaxAI/MiniMax-M1-80k。