MiniMax公司近期震撼发布其划时代的新模型——MiniMax-M1，这款模型以其开源特性及大规模混合架构，在复杂生产力场景中大放异彩，树立了开源模型的新标杆。MiniMax-M1不仅在国内超越了众多闭源模型，其性能更是逼近国际顶尖水平，同时保持了业界无与伦比的性价比优势。
尤为引人注目的是，MiniMax-M1能够处理高达100万的上下文输入，这一能力与海外顶级闭源模型Google Gemini2.5Pro比肩，相较于DeepSeek R1，更是实现了8倍的提升。该模型还能输出长达8万Token的推理结果，这得益于MiniMax独创的混合架构，特别是其核心的闪电注意力机制，使得在处理超长上下文和深度推理任务时，效率实现了质的飞跃。例如，在深度推理8万Token的任务中，MiniMax-M1的算力需求仅为DeepSeek R1的30%，展现了显著的算力效率。
在强化学习领域，MiniMax同样取得了突破，提出了全新的CISPO算法。该算法通过优化重要性采样权重，极大地提升了强化学习的训练效率。在AIME实验中，CISPO算法的收敛速度较其他算法，包括字节最新提出的DAPO，快了一倍，甚至超越了DeepSeek早期采用的GRPO算法。这些技术创新使得MiniMax-M1的强化训练过程异常高效，训练成本大幅降低，仅用了512块H800三周的时间，租赁成本远低于预期。
在评测表现上，MiniMax-M1同样不负众望，在业内主流的17个评测集中均取得了优异成绩。特别是在软件工程、长上下文理解与工具使用等复杂生产力场景中，MiniMax-M1展现出了压倒性的优势。在SWE-bench基准测试中，MiniMax-M1-40k和MiniMax-M1-80k分别取得了55.6%和56.0%的高分，虽然略低于DeepSeek-R1-0528的57.6%，但远超其他开源模型。凭借百万级的上下文窗口，MiniMax-M1在长上下文理解任务中更是独领风骚，不仅超越了所有开源模型，还在某些方面逼近了OpenAI o3和Claude4Opus，位列全球第二。
在代理工具使用场景（TAU-bench）中，MiniMax-M1同样表现出色，不仅领跑所有开源模型，还成功击败了Gemini-2.5Pro。MiniMax-M1-80k在多数基准测试中的表现均优于MiniMax-M1-40k，这充分证明了增加计算资源对于提升模型性能的有效性。
价格方面，MiniMax-M1继续保持亲民路线，成为业内价格最低的模型之一。用户可以在MiniMax APP和Web上不限量免费使用该模型，同时，官网也提供了极具竞争力的API服务价格。这一举措无疑将进一步推动MiniMax-M1的市场普及和应用拓展。
感兴趣的用户可以通过以下链接获取MiniMax-M1的模型资源：MiniMax-M1-40k位于huggingface.co/MiniMaxAI/MiniMax-M1-40k，而MiniMax-M1-80k则位于huggingface.co/MiniMaxAI/MiniMax-M1-80k。
