The 20 billion AI unicorn strikes back, MiniMax's first inference model rivals DeepSeeK, with computing costs of only 530,000 USD

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"比最初預期少了一個數量級"。MiniMax 創始人&CEO 閆俊傑發文表示：“第一次感覺到大山不是不能翻越。”

MiniMax-M1：混合專家架構與線性注意力機制

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。

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。

成本革命：380 萬人民幣的強化學習實驗

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"比最初預期少了一個數量級"。

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。

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%。

區間定價策略！MiniMax 還有更多更新

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"區間定價"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"價格殺手"，開發者評價其為"性價比新王"。

"AI 六小龍"的生存博弈

作為騰訊和阿里巴巴支持的"AI 六小龍"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："第一次感覺到大山不是不能翻越。"

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。"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，"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。