6月17日，国内大模型公司MiniMax发布了全球首个开源的大规模混合架构推理模型MiniMax-M1。这是“MiniMaxWeek”系列发布活动的首个成果。

M1在复杂场景中的能力处于开源模型领先地位，接近海外最先进水平，并具备业内最高性价比。其主要优势包括支持最高100万上下文输入，与Google Gemini 2.5 Pro持平，为DeepSeek R1的8倍，同时提供最长8万Token的推理输出。

成本方面，M1采用低成本训练方式，仅用512块H800 GPU历时三周完成训练，总成本约为385万元人民币。得益于闪电注意力机制为主的混合架构，M1在长文本处理任务中表现显著优于DeepSeek R1，生成长度为10万Tokens时，计算量仅为DeepSeek R1的25%。

M1的核心竞争力在于超长上下文处理能力和低算力消耗。在复杂任务（如工具调用、长文本理解）中，M1表现接近甚至超越DeepSeek R1，尤其适合处理百万级Token的场景，例如法律文档分析和代码库理解。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，但在长文本任务中效率较低。

价格策略上，M1在MiniMax APP和Web端提供不限量免费使用服务。API定价分三档：第一档输入长度0-32k时，输入0.8元/百万Token，输出8元/百万Token；第二档32k-128k时，输入1.2元/百万Token，输出16元/百万Token；第三档128k-1M时，输入2.4元/百万Token，输出24元/百万Token。

值得注意的是，DeepSeek已成为行业对标标杆。此前，火山引擎发布的豆包大模型1.6通过按输入长度区间定价，综合成本仅为DeepSeek R1的三分之一。

与此同时，DeepSeek R1也在持续升级中。5月29日更新的版本（DeepSeek-R1-0528）优化了“幻觉”问题，在改写润色、总结摘要等场景中，幻觉率降低45%-50%，结果更为准确可靠。然而，更新后的DeepSeek单任务处理时间有所延长，据测评可达30-60分钟。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。