MiniMax 发布百万上下文开源推理模型 MiniMax-M1

背景

MiniMax（稀宇科技）是一家中国 AI 公司，开发过 abab 系列专有文本模型。2025 年 1 月，公司发布开放权重的 MiniMax-01 系列，包括一个语言模型和一个长上下文的视觉语言模型。^[2][3] M1 把这一开放路线延伸到了推理领域。

推理模型是经过训练、在作答前会分步骤推演问题的模型。深度求索的 DeepSeek-R1 是发布数据中用于比较的推理模型之一。^[1]

发生了什么

2025 年 6 月，MiniMax 发布推理模型 M1。^[2] 它是采用闪电注意力的混合专家模型，总参数 456B，每个词元激活 45.9B 参数。^[1] 混合专家意味着每段输入只有部分专家子网络参与运算，因此激活部分远小于模型的总规模。

模型原生支持 100 万词元的上下文，即一次可以考虑多达 100 万词元的文本。^[1] 词元是文本的基本单位，可能是一个词，也可能是词的一部分。

关键细节

在生成长度为 10 万词元时，M1 的浮点运算量（FLOPs）是 DeepSeek-R1 的 25%，这一比较来自模型发布时公布的数据。^[1] FLOPs 衡量模型执行的算术运算量，因此这一比例反映的是长推理过程中的计算效率。

M1 使用 CISPO 训练，这是一种强化学习算法，裁剪的是重要性采样权重，而不是词元级别的更新。^[1] 模型以 Apache 2.0 许可开源。^[1]

影响

此次发布为外部研究者提供了一个具备 100 万词元上下文的开放推理模型，并表明长上下文架构可以用于分步推理。发布数据中包含 M1 与 DeepSeek-R1 的效率比较。^[1]

对档案而言，这一事件标志着 MiniMax 进入开放推理模型领域，其后续模型 M2 于 2025 年 10 月发布。^[3]