MiniMax發(fā)布新款開源大模型
，稱其性價比優(yōu)于DeepSeek
。

　　6月17日，國內(nèi)大模型獨(dú)角獸MiniMax發(fā)布世界上第一個開源的大規(guī)?；旌霞軜?gòu)的推理模型MiniMax-M1 ，這也是“MiniMaxWeek
”系列發(fā)布活動的首個對外發(fā)布。

　　據(jù)MiniMax介紹
，M1在面向生產(chǎn)力的復(fù)雜場景中能力是開源模型中的最好一檔，超過國內(nèi)的閉源模型 ，接近海外的最領(lǐng)先模型
，同時又有業(yè)內(nèi)最高的性價比 。

　　MiniMax披露，M1的優(yōu)勢是支持目前業(yè)內(nèi)最高的100萬上下文的輸入 ，和閉源模型里面的GoogleGemini2.5Pro一樣
，是DeepSeekR1的8倍，以及業(yè)內(nèi)最長的8萬Token推理輸出
。

　　此次MiniMaxM1的最大優(yōu)勢之一體現(xiàn)在成本上。根據(jù)M1大模型分析自身的技術(shù)優(yōu)勢顯示 ，MiniMaxM1采用低成本訓(xùn)練
，僅用512塊H800GPU三周時間，成本53.47萬美元（約385萬元） 。

　　MiniMax稱 ，得益于以閃電注意力機(jī)制為主的混合架構(gòu)，從而在計(jì)算長的上下文輸入以及深度推理的時候顯著高效
。根據(jù)推算
，在生成長度為10萬tokens的場景下，MiniMax-M1的計(jì)算量（FLOPs）為DeepSeekR1的25% ，在長文本處理任務(wù)中具備顯著優(yōu)勢。

　　據(jù)M1的分析表示
，MiniMaxM1的核心優(yōu)勢在于超長上下文處理能力和極低的算力消耗，同時在復(fù)雜任務(wù)（如工具調(diào)用、長文本理解）中表現(xiàn)接近甚至超越DeepSeekR1 ，提供更靈活的API定價策略
，尤其適合需要處理百萬級token的場景（如法律文檔分析 、代碼庫理解） 。DeepSeekR1則在傳統(tǒng)數(shù)學(xué)推理和編程基準(zhǔn)測試中略占優(yōu)勢，但受限于上下文長度和計(jì)算效率 ，在長文本任務(wù)中明顯落后M1
。

　　價格方面
，M1在MiniMaxAPP和Web上支持不限量免費(fèi)使用。在API方面，第一檔0-32k的輸入長度時 ，輸入0.8元/百萬token
，輸出8元/百萬token；第二檔32k-128k的輸入長度時，輸入1.2元/百萬token ，輸出16元/百萬token；第三檔128k-1M輸入長度時，輸入2.4元/百萬token
，輸出24元/百萬token 。

　　值得注意的是，DeepSeek已成為大模型廠商對標(biāo)的“風(fēng)向標(biāo)”
。此前字節(jié)跳動旗下火山引擎最新發(fā)布豆包大模型1.6 ，首創(chuàng)按“輸入長度 ”區(qū)間定價
，深度思考
、多模態(tài)能力與基礎(chǔ)語言模型統(tǒng)一價格，稱其綜合成本只有DeepSeekR1三分之一 ，每生成一條5秒的1080P視頻只需3.67元
，為行業(yè)最低。

　　不過，被視為集體競爭對手的DeepSeekR1也在持續(xù)升級中 。5月29日 ，據(jù)DeepSeek公告
，DeepSeekR1模型已完成小版本升級，當(dāng)前版本為DeepSeek-R1-0528。用戶通過官方網(wǎng)站、APP或小程序進(jìn)入對話界面后 ，開啟“深度思考
”功能即可體驗(yàn)最新版本
。API也已同步更新
，調(diào)用方式不變。

　　新版DeepSeekR1針對“幻覺”問題進(jìn)行了優(yōu)化 。與舊版相比，更新后的模型在改寫潤色 、總結(jié)摘要
、閱讀理解等場景中 ，幻覺率降低45-50%左右，能夠有效地提供更為準(zhǔn)確、可靠的結(jié)果
。

　　從社交媒體的反饋來看
，網(wǎng)友最為關(guān)注的是此次DeepSeekR1更新后的思考時間變長。據(jù)測評顯示，此次DeepSeek單任務(wù)處理時長可達(dá)30-60分鐘 。