53万美金，MiniMax训练出全球首个！

主要观点总结

本文介绍了MiniMax企业发布的全球首个开源的大规模混合架构推理模型M1。该模型具有支持长文本推理和降低训练成本的特点，包括原生支持超大规模上下文窗口，定价阶梯和免费使用政策等。此外，M1模型在性能上优于其他模型，如DeepSeek R1和Google的Gemini系列模型。MiniMax此次发布并开源推理模型预示着其准备继续参与大模型竞争。

关键观点总结

关键观点1: M1模型的特点和优势

M1被定位为全球首个开源的大规模混合架构推理模型，原生支持长达百万Token的上下文窗口和业内最长的8万Token推理输出。此外，其强化训练成本大幅度下降，成本仅为53万美金。

关键观点2: M1模型的定价策略

MiniMax采用阶梯式定价策略，根据输入文本的长度逐步增加收费，提供差异化服务以满足不同客户的需求。

关键观点3: M1模型的性能表现

相比其他竞争对手的模型，如DeepSeek R1和Google的Gemini系列模型，M1模型在性能上表现优越，其推理能力更加出色且更加经济高效。

关键观点4: MiniMax开源技术的市场竞争

MiniMax此次发布并开源推理模型预示着其准备继续参与大模型竞争。目前大模型的竞争格局面临新的变数，即DeepSeek R2的发布。此外，其他大模型厂商如零一万物和百川智能也在积极调整策略以应对市场竞争。

正文

请到「今天看啥」查看全文

，这一数字与谷歌最新的Gemini 2.5 Pro持平，并支持业内最长的8万Token推理输出； 其RL（强化训练）成本下降一个量级，成本仅53万美金 ；在工具使用场景（TAU-bench）中MiniMax-M1-40k超过Gemini-2.5 Pro。

请到「今天看啥」查看全文