MiniMax正式开源其推理模型M1，并邀请用户测试其通用Agent。尽管M1在基准测试中的表现平平，但其拥有业界领先的上下文能力：100万token输入与8万token输出。

错失推理模型先发优势后，MiniMax希望在Agent领域取得突破。当前AI行业正迎来2025年的Agent热潮，这为MiniMax提供了新的机遇。

M1的特点在于其超长推理链及工具调用能力。例如，在翻译一个33页的PDF文件时，M1不仅完整还原内容，还对图表和图片进行了精准处理。然而，其整体性能仅处于中等水平。

在实际应用中，MiniMax Agent展现出一定优势。例如，当要求制作介绍OpenAI发展历程的网页时，Agent通过网络搜索信息、提取关键数据并生成具有较高完成度的成果。

技术报告揭示了M1的核心创新点：闪电注意力机制与CISPO算法。前者显著提升长上下文处理效率，后者优化强化学习训练成本。整个训练过程仅耗费53.47万美元，远低于行业平均水平。

尽管长上下文能力为MiniMax带来竞争优势，但决定Agent成败的因素还包括端到端学习能力、工具调用灵活性及多模态理解等。MiniMax作为多模态原生模型公司，在商业化方面具备潜力，但其主模型的技术积累仍需进一步提升。

未来竞争将聚焦于长上下文、强化学习、成本控制及用户体验等多个维度。MiniMax能否成功取决于其是否能将技术优势转化为实际用户价值。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。