MiniMax-M1 混合专家模型与 DeepSeek 一体机的能效革命

当前人工智能政策推动行业应用与地方落实并行，加速AI大模型向多场景赋能。2024 年以来全国 DeepSeek#大模型一体机#落地显著提速，下半年招投标市场活跃，项目数量与金额双增长。三大运营商、金融能源企业投入突出，政务与教科领域紧随其后。

MiniMax-M1，是全球首个开放权重、大规模混合-注意力推理模型。MiniMax-M1由混合专家集合(MoE)架构与闪电式注意力机制结合而成。该模型基于我们之前的MiniMax-Text-01模型(MiniMax等人，2025年)开发，该模型包含总计4560亿参数，其中每个token激活459亿参数。M1模型原生支持100万token的上下文长度，是DeepSeekR1上下文规模的8倍。此外，MiniMax-M1中的闪电注意机制能够有效扩展测试时间计算一一例如，与DeepSeekR1相比，M1在100K代币的生成长度下消耗了25%的FLOP。这些属性使M1特别适合处理需要处理长输入和广泛思考的复杂任务。MiniMax-M1使用大规模强化学习(RL)对各种问题进行训练，从传统的数学推理到基于沙箱的现实世界的软件工程环境。除了闪电式关注在RL训练中固有的效率优势，我们提出CISPO，一种新颖的RL算法，旨在进一步提升RL 的效率。

CISPO截取重要性采样权重而非令牌更新，其表现优于其他有竞争力的RL变体。结合混合式关注和CISPO，使得MiniMax-M1能够在512个H800 GPU上完成完整的RL训练，整个过程仅耗时三周，而租赁成本仅为534,700美元。发布两个版本的MiniMax-M1模型，分别具有40K和80K的思考预算，其中40K模型代表了80K训练的中间阶段。在标准基准上的实验表明，该模型与原始DeepSeek-R1和 Qwen3-235B等强大的开放权重模型相当或更好，在复杂的软件工程、工具利用和长期上下文任务方面具有特别的优势。通过对测试时间计算的高效扩展，MiniMax-M1为下一代语言模型代理推理和应对现实世界的挑战打下坚实的基础。

作为中国开源大模型代表，#DeepSeek# 性能以低成本高效能获 45% 央企部署。2025 年阿里、小米、DeepSeek 等密集发布新模型，其中 Deepseek-R1 升级后多项性能媲美顶尖闭源模型为AI生态繁荣筑牢技术基底。

从算力基建到智能生产系统的范式革命

大模型应用落地面临软件栈部署复杂、算力需求高、开发门槛高及数据安全等痛点，而专为应用部署设计的AI大模型一体机可有效解决这些问题，需求逐步攀升，央国企、党政机关为重要客户，市场核心供应商包括服务器、云计算、垂直领域厂商及芯片生态伙伴。大模型一体机正推动算力部署模式从"碎片化供给"向"系统化输出"跃迁。

DeepSeek 大模型一体机

大模型应用落地面临软件栈部署复杂、算力需求高、开发门槛高及数据安全等痛点，而专为应用部署设计的AI大模型一体机可有效解决这些问题，需求逐步攀升，央国企、党政机关为重要客户，市场核心供应商包括服务器、云计算、垂直领域厂商及芯片生态伙伴。大模型一体机正推动算力部署模式从 "碎片化供给" 向 "系统化输出" 跃迁。

变革的核心驱动力源于三大矛盾：

1、算力需求指数级增长与硬件利用率低效的矛盾：

传统分散式架构下，CPU/GPU 算力利用率普遍低于 40%，而一体机通过异构计算架构优化，使综合算力利用率提升至 75%-85%。

2、行业场景快速迭代与算法适配成本高企的矛盾：

标准化 #大模型一体机# 将行业模型部署周期从 3-6 个月压缩至 72 小时内，场景适配成本降低 60% 以上。

3、数据安全合规要求与跨域协同需求的矛盾：

内置#联邦学习#、#强化学习#、#区块链存证# 等模块的一体机，可实现 "数据可用不可见"，满足政务、金融等行业的合规需求。

这种变革本质是 AI 工业化的基础设施升级 —— 如同工业革命中机床对手工业的替代，大模型一体机正在定义 AI 时代的 "数字机床"，将智能生产力的释放效率提升至新维度。

三大核心能力的颠覆性突破

一、异构计算的深度协同

芯片级革命正在发生：

1、内存池化技术：通过 CXL 3.0 等互联协议，实现跨芯片显存资源动态分配，使多卡训练的显存利用率从 65% 提升至 92%；

2