MiniMax发布MiniMax-M1推理模型,支持100万Token上下文,降低成本。

盘点,国内“大模型五虎”之——①MiniMax 随着阿里完成对MiniMax的投资,国内“大模型五虎”的格局初步形成,它们分别是:智谱 AI、百川智能、月之暗面、零一万物和Minimax。今天就为大家来盘点一下MiniMax。 阅读详情

MiniMax是一家成立于2021年12月的中国人工智能科技公司,专注于多模态大模型研发,其核心团队由前商汤科技高管闫俊杰领衔。公司以创新的MoE(混合专家)架构和闪电注意力机制(Lightning Attention)技术著称,先后推出支持200K上下文长度的abab6.5模型和全球首个开源混合架构推理模型MiniMax-M125。

🔍 一、核心突破:超长上下文与算力优化

1‌.100万Token上下文支持‌

  • 原生支持‌100万Token输入长度‌,与谷歌Gemini 2.5 Pro相当,是DeepSeek R1的8倍。
  • 输出Token上限达‌8万‌,超越Gemini 2.5 Pro(6.4万),为当前全球最长输出推理模型。

2‌.推理效率大幅提升‌

  • 深度推理时算力消耗仅为DeepSeek R1的‌25%-30% ‌(例如生成8万Token)。
  • 训练成本极低:仅用‌3周时间、512块H800 GPU‌完成强化学习阶段,租用成本约‌383.9万元人民币‌(53.47万美元)。
    在这里插入图片描述

⚙️ 二、技术架构创新

‌1.混合架构设计‌

  • 结合‌MoE(混合专家) ‌ 与自研的‌Lightning Attention(闪电注意力)机制‌,显著降低长序列计算复杂度。
  • 模型参数量达‌4560亿‌,单Token激活参数为‌45.9亿‌,平衡性能与效率。

‌2.多阶段训练策略‌

  • 通过监督微调、离线强化学习(如DPO)和在线强化学习三阶段优化推理能力。

💰 三、性价比与性能表现

‌1.成本效益领先‌

  • 在保持高性能的同时,实现业内‌最高性价比‌,推理成本显著低于同类闭源及开源模型。

2.基准测试对标国际‌

  • 多项测试持平或超越DeepSeek-R1、Qwen3等开源模型;
  • ‌复杂任务表现突出‌:工具使用、软件工程等场景超越Claude 4 Opus和OpenAI o3。

🌐 四、行业影响与定位

1‌.填补国产高端推理模型空白‌

  • 作为MiniMax首款开源推理模型,直接对标Google Gemini 2.5 Pro等国际闭源模型。
  • 缓解此前因未推出推理模型引发的市场疑虑,巩固其在国内AI“六小虎”中的竞争地位。

2‌.推动技术普惠‌

  • 低成本训练方案(如小规模GPU集群)降低行业准入门槛,加速推理模型普及。

💎 总结

MiniMax-M1通过‌混合架构创新‌(MoE + Lightning Attention)实现百万级上下文支持与算力效率跃升,以‌开源形式打破高端推理模型垄断‌,同时以‌极致性价比‌重塑行业标准。其技术路线(如线性注意力机制)延续自2025年1月开源的MiniMax-01系列,标志国产模型在推理赛道已具备国际竞争力。

《AI大模型应用》--百度文心一言千帆 GO SDK;智谱 AI、腾讯混元、讯飞星火、商汤日日新、MinMax.zip 个人深耕AI大模型应用领域积累的成果,希望对您有所帮助。有大模型账号、环境问题、AI大模型技术应用落地方案等相关问题,欢迎详聊,能为您解决问题是我的荣幸! 个人深耕AI大模型应用领域积累的成果,希望对您有所帮助。有大模型账号、环境问题、AI大模型技术应用落地方案等相关问题,欢迎详聊,能为您解决问题是我的荣幸! 个人深耕AI大模型应用领域积累的成果,希望对您有所帮助。有大模型账号、环境问题、AI大模型技术应用落地方案等相关问题,欢迎详聊,能为您解决问题是我的荣幸! 个人深耕AI大模型应用领域积累的成果,希望对您有所帮助。有大模型账号、环境问题、AI大模型技术应用落地方案等相关问题,欢迎详聊,能为您解决问题是我的荣幸! 个人深耕AI大模型应用领域积累的成果,希望对您有所帮助。有大模型账号、环境问题、AI大模型技术应用落地方案等相关问题,欢迎详聊,能为您解决问题是我的荣幸! 个人深耕AI大模型应用领域积累的成果,希望对您有所帮助。有大模型账号、环境问题、AI大模型技术应用落地方案等相关问题,欢迎详聊,能为您解决问题是我的荣幸! 立即下载

相关推荐

VoIP概述

VoIP统一通信与VoIPVoIP与传统电话比较VoIP各项产品设备的类型及应用 统一通信与VoIP 统一通信指的是把计算机与传统通信技术统一成一体的新通信模式,融合计算机网络与传统通信网络在一个网络平台上,实现电话、传真、数据传输、音视频会议、呼叫中心、即时通信等众多应用服务 VoIP又称IP电话或IP网络电话,是Voice Over IP的缩写,这种技术通过对语音信号进行编码数字化,压缩处理成压缩帧,然后转换成为IP数据包在TCP/IP网络上进行传输,从而达到了在IP网络上进行语音通信目的 VoIP与传

kaminao的博客 4366

中国开源大模型杀疯了

国内大模型表现亮眼,登顶全球 tokens 排行榜

maiz_shi的博客 345

WindTerm 安装使用教程

WindTerm是一款Github上开源的 SSH 终端工具,它是完全可以比肩MobaXterm工具的。

m0_69576880的博客 4039

MiniMax M2.5实测

相比其他近期发布的新版本,如doubao-seed-1-8-251215(71.7%)、GLM-4.7(71.5%)、ERNIE-5.0(70.9%),MiniMax M2.5的65.7%准确率存在一定差距,说明在中文综合能力维度仍有提升空间。“教育”从40.0%提升至42.3%(+2.3%)。:MiniMax M2.5作为商用闭源模型,与同为闭源的doubao-seed-1-8-251215(71.7%)、gemini-3-pro-preview(72.5%)相比,准确率存在5-7个百分点的差距。

easyllm的博客 2477

Linux新手必看:FinalShell连接不上?从检查IP到配置固定地址的完整排错指南

本文为Linux新手提供了FinalShell连接失败的完整排错指南,涵盖IP检查、SSH服务状态、防火墙配置和静态IP设置等关键步骤。通过详细的命令行操作和配置示例,帮助用户快速解决远程连接问题,提升Linux使用效率。

weixin_30675247的博客 755

RouterOS v7.6实战:5分钟搞定IPv6双栈配置(含光猫桥接避坑指南)

本文详细解析了在RouterOS v7.6系统中配置IPv6双栈网络的实战步骤,特别针对家庭网络光猫桥接模式下的常见问题提供了避坑指南。文章涵盖了从基础配置到企业级部署的进阶内容,包括IPv6前缀获取、DHCPv6客户端设置、路由通告以及安全优化,帮助用户充分利用v7.6版本在IPv6支持上的改进与优势。

embedding5hiker的博客 1287

MiniMax-M2.7 使用体验:国产大模型的自我进化之路

需要复杂任务自动化执行的研发团队希望降低开发成本的个人开发者需要中文办公协助的企业用户对多智能体协作有需求的创新项目MiniMax-M2.7 给我最大的感受是:国产大模型正在从"能用什么"向"好用什么"转变。M2.7 的自我进化能力、多智能体协作、以及在软件工程和办公场景的优秀表现,让它成为了我日常工作中不可或缺的助手。如果你正在寻找一款能真正提升生产力的 AI 工具,M2.7 值得一试。

Meteor_DG的博客 1610

(南京观海微电子)——TCON介绍

TCON又称:逻辑板,控制板,在液晶电视里的作用和CRT中的视放板相当,但有本质的区别,逻辑板不是一个纯粹的信号放大器,它输入是LVDS格式信号,而不是RGB。逻辑板的作用是把数字板送来的LVDS或TTL图像数据信号,时钟信号进行处理移位寄存器存储将图像数据信号,时钟信号转换成屏能够识别的控制信号行列信号RSDS控制屏内的MOSFET管工作而控制液晶分子的扭曲度。目前国内主要的TCON板生产商有视显光电。传统TCON的布局主要分为以下两种:X+C分离式和X+C一体式。

m0_75095200的博客 3835

对抗机器学习——Min Max模型(Towards Deep Learning Models Resistant to Adversarial Attacks)

Towards Deep Learning Models Resistant to Adversarial Attacks 论文URL: https://arxiv.org/pdf/1706.06083.pdf 论文代码: https://github.com/MadryLab/mnist_challenge 论文Key idea 本文提出了对抗机器学习领域里面鼎鼎大名的Min-max最优化框架,...

jmhIcoding 1万+

解决Windows 11文件右键菜单卡死问题的方法

当你右键点击一个文件或者文件夹时,系统会加载与该文件类型相关的上下文菜单项,如果其中某个菜单项的代码执行时间过长或者出现错误,就会导致整个右键菜单卡死。综上所述,当你在Windows 11中遇到右键菜单卡死的问题时,你可以尝试禁用上下文菜单项、重置文件关联、排除第三方软件干扰、修复系统文件以及优化代码等方法来解决问题。如果你是一个开发者,并且你自己编写了一个上下文菜单项,那么问题可能出在你的代码中。例如,如果你遇到了图片文件的右键菜单卡死问题,你可以找到".jpg"或".png"等相关的子项。

HnrzLinux的博客 7538

ios开发拒绝“玄学”Crash:从循环引用到脏内存,构建你的系统性排查思维模型

你申请了内存,写了数据,这块内存就是脏的。系统无法直接回收它,除非你显式释放,或者系统把它 swap 出去(但在 iOS 上,Compressed Memory 机制虽然能压缩,但不会像桌面系统那样频繁 swap 到磁盘,一旦压缩内存也撑不住,你也得挂)。所以,排查 OOM 的核心心法只有一条:不要问“哪里漏了”,要问“每一刻,留在这个页面上的内存,凭什么必须在这里?一旦内存水位线逼近阈值(不同机型不同,老机器可能 600MB 就危,新机器能抗 1.5GB),系统发个警告。

大模型大数据攻城狮的专栏 728

这个中国AI小厂,靠“开源狂魔“杀疯了,算力比DeepSeek节省70%,业内大佬看了都说顶!

在处理100万长度的输入时,传统方法的延迟是雷电注意力的2700倍。不过从目前的测试结果看,M1在数学推理、代码生成、长文本理解等任务上,确实达到了GPT-4的水平。昨天凌晨,MiniMax正式开源了他们的第一个推理模型M1,这个动作在AI圈炸了锅。从一个做视频生成的小公司,到现在能开源456B参数的推理模型,这个故事本身就很励志。更离谱的是,在同样的计算量下,它比DeepSeek R1节省了75%的算力。事实证明,这招很有效。这种完成度,已经不是"工具"的概念了,更像是一个真正会干活的员工。

技术Z先生的博客 1308

YOLOv12环境配置,手把手教你使用YOLOv12训练自己的数据集和推理(附YOLOv12网络结构图),全文最详细教程

YOLO 系统尊嘟太卷了吧,YOLOv11 还没完明白,YOLOv12 就重磅来袭,YOLOv12 是由纽约州立大学联合中科院在 2025年2月19 日发布,从 YOLOv12 论文题目我们大概就知道做了那些更新 ,下图是YOLOv12 在 COCO 数据集上的性能表现引入区域注意力机制(area-attention):通过引入十字形窗口自我注意机制,沿水平和垂直条纹计算注意力机制,纵横交错的注意机制。如下图所示,区域注意力采用最多简单的等分方法,将特征地图垂直或水平划分为 L 个区域。

在职AI算法工程师,擅长计算机视觉,YOLO目标检测、分割等,擅长web、pyqt界面可视化,好内容持续更新中,来这里跟大家一起学习,共同进步 6万+

【学习笔记】大模型时代全景图:从 GPT 到 Claude/DeepSeek,一文看懂 LLM 演进史(1/35)

本文是大模型技术系列的开篇,系统梳理了大模型从训练到部署的全景知识体系。文章首先指出当前工程师面临的技术选型困境——闭源与开源模型、推理框架、微调方法的爆炸式增长,强调了构建系统化工程视角的必要性。

tpriwwq的专栏 1409

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

nwb React App 模板开发工作流完全指南:从开发服务器、单元测试到生产构建

本指南围绕 nwb 为 `react-app` 项目骨架内置的 [CONTRIBUTING.md](https://link.gitcode.com/i/ba59fd5c463a3f41f4263498ed5986c9) 展开,它是面向新加入项目的开发者/贡献者的「快速上手手册」,浓缩了一个 nwb React 应用从环境准备、依赖安装、本地开发、单元测试到生产构建与资源清理的完整工作流。读完本文

gitblog_00264的博客 189

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

本命周!MiniMax M1有多猛?网友:仅用40k思考预算就干翻Gemini,实测:真·超DS!生产环境下更划算!但还不够美观

大模型的内卷远远没有结束了。今天凌晨,MiniMax 扔出了一记重磅炸弹——MiniMax-M1。先来看看,M1 有多猛?如果数字看着头疼,可以看下省流版:一、长推理能力:实现具有实际生产力的代码任务,并具备竞赛级的数学解题能力。二、强工具调用能力:稳定处理包含长链路思考与工具调用的复杂任务,是Agent时代的优秀基座模型。三、百万token长上文支持:提供卓越的海量信息检索与分析能力,在超长多轮对话中保持强大记忆力。

jike007gt的博客 1570

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

MinMax-M1:超越DeepSeek,支持百万级token上下文

提升RL效率,相比DAPO实现2倍加速,避免了传统方法(如PPO/GRPO)对低概率token有更好的采样效果。:结合MoE架构与Lightning Attention)的模型MiniMax-M1,:从规则验证任务(数学、代码)逐步过渡到通用领域任务,避免灾难性遗忘。:从40K分阶段扩展至80K,根据困惑度与生成长度分布调整窗口。:奖励模型对长文本的偏好可能误导RL训练,需要在线校准机制。,数学/编程数据占SFT数据的60%,为RL提供高质量起点。:支持从40K到80K Token生成长度的扩展。

CV_Autobot的博客 384

MiniMax 又憋了个大的,M2.1 直接改写大模型玩法

今天,MiniMax团队将 MiniMax-M2.1 交给开源社区。这次发布不仅仅是参数更新,而是向顶级智能代理能力迈出的重要一步。

python1234567_的博客 2693

国产大模型跑分一个比一个高,到底谁能真的干活?

我想把它发给三个大模型,看看它们能不能像一个人一样“读文件做工作”,能不能在几十页甚至上百页的文档里准确找到需要的数据,看懂表格里的数字关系,把分散在不同页面的信息拼起来,再做一步甚至多步计算,最后给出一个靠谱的答案,而不是凭感觉乱猜。不过我必须得说一下,对于这种巨型复杂项目中一个细碎的Bug,定位和修复起来是非常有挑战的,关键的问题就是一定得提供足够的上下文信息,否则即使是一个非常有经验的程序员,他也不一定能快速搞定,更不用说初次面对这个源码的大模型了。

码农翻身 381

国产五大模型之一MiniMax 使用国内首个MOE架构

在初始阶段,我们的目标是建立不同模态和语言之间的连接。多模态大模型发展除了模型架构不断优化以提升模型处理能力以及效率,算力架构的优化对深度学习和人工智能的发展至关重要,存内计算架构真正做到存算融合,在存储单元内实现计算的模式相较于传统冯诺伊曼架构,减少了数据来回搬运,算力提升20X,尤其适应大规模的并行计算如深度学习。本次训练通过集成混合专家【MoE】架构来扩展大型多模态模型的能力,通过新的三阶段的训练方式,专门用于提高uni-moe在多模态训练中的稳定性能和泛化性能,优于配备相同配置的传统MoE架构。

m0_58966968的博客 5214

全网首测!MiniMax M2.5发布,跑OpenClaw实测真香

测完这三个 Case 加上兼容性验证,我对 MiniMax-M2.5 有了一个比较完整的判断。先说能力层面。编程和 Agent 能力确实达到了第一梯队——全栈 Web 开发、数学物理模拟、企业级系统搭建,三个场景都交出了有说服力的答卷。Vibe Coding 支持 PC/App/React Native 跨端开发,还能搞 Flutter,前后端全栈带数据库,这个能力覆盖面放在国产模型里是顶配了。再说效率层面。M2.5 支持 100 TPS 超高吞吐量,推理速度是 Opus 的 3 倍。

夕小瑶科技说 3149

MiniMax M2.5 实测:1/10 成本吊打 Claude Opus,编程能力全球 SOTA!国产大模型站起来了?

MiniMax推出M2.5模型,以1/10成本实现Claude Opus 4.6级编程能力,在SWE-Bench测试中表现优异。该模型采用MoE架构,支持10+编程语言,具备"架构师思维"开发模式,实测任务完成速度提升37%。虽然计算能力和中文表现稍弱,但超高性价比使其成为创业公司、独立开发者的理想选择。M2.5的发布标志着国产大模型在垂直领域的突破,大幅降低了AI应用门槛。

携梦问道的博客 2638

MiniMax M3正式发布,体验实感,是夯爆了还是拉完了

《MiniMax M3模型初体验:工程驱动的AI新选择》摘要:MiniMax最新发布的M3模型展现出与M2系列显著不同的特质。实际体验发现,M3在思考深度上明显提升,会主动考虑反例并提出多个备选方案,任务执行时能智能分解并调用工具链。相比DeepSeek V4的算法驱动路线,M3采用工程驱动的MSA架构,虽内存占用较大但信息零损失,且对开源生态更友好。价格方面,M3或将低于V4 Flash的0.14美元/百万token,可能引发新一轮市场竞争。作者认为,在算法先进性之外,模型的"人性化"

白洞,白色的明天在等着我们 3494

2026首发版,自学AI大模型的正确顺序:最新最全学习路线全解析

在这个阶段,您需要打下坚实的数学基础和编程基础,这是学习任何机器学习和深度学习技术所必需的。 **前排提示,文末有大模型AGI-优快云独家资料包哦!** **1\. 数学基础** * **线性代数**:矩阵运算、向量空间、特征值与特征向量等。 * **概率统计**:随机变量、概率分布、贝叶斯定理等。 * **微积分**:梯度、偏导数、积分等。

Trb201013的博客 1189

大模型 | 此“模型”非彼“模型”:5分钟实现一个数字化审计分析助手

一方面,作为实习生,它的可塑性很强,只要你愿意花时间引导它,它能学会你希望它学会的东西,从而帮你完成你指定的工作。该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。个人感觉,大模型时代的“模型”和我们过去在学习、工作、生活中形成的模型认识,无论是内涵和外延都发生了翻天覆地的变化,用“世界模型”的视角来理解大模型之“模型”更合适。

python122_的博客 2051

ElasticSearch(一)API的使用

elasticsearch的API使用

qq_40358025的博客 226
上一篇: DeepSeek R1 新版本性能提升,元宝、文小言等多款产品快速接入
下一篇: Rokid Glasses上线全球第一个智能眼镜支持支付宝“看一下支付”功能,计划6月底交付
我的学校你进不来
博客等级 码龄1年 113粉丝 20原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值