MiniMax发布新款开源大模型，称其性价比优于Deepseek，这一消息在科技界引起了广泛关注。

　　6月17日，国内大模型独角兽MiniMax正式发布世界上首个开源的大规模混合架构推理模型——MiniMax-M1，这也是“MiniMaxWeek”系列发布活动的首个重要成果。

　　据MiniMax官方介绍，M1在面向生产力的复杂场景中表现卓越，其能力在开源模型中名列前茅，甚至超越了国内的某些闭源模型，接近海外的最顶尖水平。同时，M1还拥有业内最高的性价比，成为用户的优选。

　　MiniMax透露，M1的一大优势在于支持业内最高的100万上下文输入，这一性能与闭源模型中的佼佼者Google Gemini 2.5 Pro相当，是DeepSeek R1的8倍。此外，M1还能实现业内最长的8万Token推理输出，进一步提升了其处理能力。

　　此次MiniMax M1的最大亮点在于其成本效益。M1大模型凭借其技术优势，实现了低成本训练。据悉，M1仅用512块H800 GPU在短短三周内便完成了训练，总成本仅为53.47万美元（约385万人民币），仅为同类模型训练成本的十分之一。

　　得益于其独特的混合架构，以闪电注意力机制为核心，MiniMax M1在计算长上下文输入及深度推理时表现出色。据推算，在生成长度为10万tokens的场景下，MiniMax-M1的计算量仅为DeepSeek R1的25%，在长文本处理任务中具有显著优势。

　　MiniMax M1的核心竞争力在于其超长上下文处理能力和极低的算力消耗。在复杂任务（如工具调用、长文本理解）中，M1的表现接近甚至超越DeepSeek R1。其训练成本仅为R1的十分之一，且提供灵活的API定价策略，尤其适用于处理百万级token的场景（如法律文档分析、代码库理解）。相比之下，DeepSeek R1在传统数学推理和编程基准测试中略占优势，但在长文本任务中明显落后。

　　在价格方面，M1在MiniMax APP和Web平台上支持不限量免费使用。对于API用户，MiniMax提供了三档定价方案，根据输入长度的不同，价格也有所差异。

　　值得注意的是，DeepSeek已成为大模型厂商竞相超越的“风向标”。近期，字节跳动旗下火山引擎发布的豆包大模型1.6也采用了按“输入长度”区间定价的策略，声称其综合成本仅为DeepSeek R1的三分之一。同时，DeepSeek R1也在持续升级中，针对“幻觉”问题进行了优化，提升了模型的准确性和可靠性。然而，用户反馈显示，新版DeepSeek R1的思考时间有所延长。

（文章来源：澎湃新闻）