在将 MoE 和 Lightning Attention（闪电把稳力）的激进架构刷新引入基础模型底层，转化为全新的 MiniMax-01 系列模型的 5 个月后，大模型公司 MiniMax 终于更进一步，捧出了酝酿许久的自研文本推理模型 MiniMax-M1，这也是全球首个开源、大规模实现混合把稳力的推理模型。
推理模型已成为新的大模型技术海潮，拿出一款强劲的自研推理模型，是近半年里国内第一堡垒的大模型公司维持自己技术身位最直接的指标。
作为推理模型，MiniMax-M1在长高低文理解能力上，是目前蕴含所有关源和开源模型在内，能力全球前二的模型，且在训练和推理成本上极高的性价比。
M1 依然一连着 MoE 架构，而在把稳力机造上和强化进建算法上的创新让 M1 鲜明的区别于其他推理模型。模型总参数达到 4560 亿参数，原生支持 100 万 token 的高低文长度输入，以及目前所有模型中最长的 80k token 的输出长度。
除了在长高低文能力上的强势，M1 所展示出的在智能体工具使用（Agentic Tool Use）维度上的能力上限甚至越发让人等待。从评测基准 TAU-Bench (airline) 中的阐发来看，目前 M1 已经是市面上在 Agentic Tool Use 方面能力最强的模型。
技术汇报中对于 M1 的概述是，这个新的开源模型已是与 DeepSeek-R1、Qwen3-235B 并列的世界顶尖开源推理模型，这一结论是在参加了业内主流的 17 个评测基准之后得出的。在处置复杂场景时长高低文、智能体工具使用能力上的长板足够亮眼，M1 在更通用的模型机能上也已经跨入顶尖行列。
此表必要专门注明的是，M1 系列模型中的两个模型中，MiniMax-M1-40K 模型是 MiniMax-M1-80K 模型在训练时的中央阶段。而在测评基准所出现的总体阐发中，MiniMax-M1-80k 在无数基准上持续优于 MiniMax-M1-40k，这也验证了高低文窗口长度带来了模型整体机能的显著提升，而非仅仅意味着支持更长的输入。
在底层架构层面，M1 是目前唯逐一个用线性把稳力机造「大改」传统 Transformer 架构，从而大规模实现混合把稳力的 MoE 推理模型；在算法层面，M1 提出了新的强化进建算法 CISPO。更彻底的双线创新提高了 M1 的训练效能，而训练成本的降落也非�？晒�。
为解放 Transformer 架构中主题确把稳力机造 Softmax Attention 在推算资源亏损方面的局限性，M1 系列模型在把稳力机造的架构设计方面相比传统架构的推理做了更斗胆的尝试——选取混合把稳力机造 Lightning Attention——来包办尺度 Transformer 中使用的传统 Softmax Attention。
怪异确把稳力层设计让 M1 在推理时拥有显著效能优势，天然有利于强化进建的高效扩大，但走到混合架构大规模强化进建的无人区，MiniMax 显然也会遇到新架构带来的挑战。
好比在混合架构的初步零强化进建（zero-RL）尝试中，团队发现传统的 PPO/GRPO 算法会心表的严沉侵害训练机能。具体来说，与反思行为有关的关键 token——例如暗示转折的 however、wait——这些低概率 token 对不变熵和推进可扩大 RL 至关沉要，但却容易在战术更新时被裁剪，难以保障这些 token 的梯度贡献，导致难以推进长 CoT 推理行为。此问题在混合架构模型中尤为凸起，故障了强化进建的规模扩大。
为此，M1 在算法层面提出了新的强化进建算法 CISPO，意在明确预防抛弃任何 token（即便更新幅度大），同时将熵维持在合理领域以确保不变索求。
在 zero-RL 设置下，MiniMax 团队在数学推理数据集上训练 Qwen2.5-32B-base，对比 CISPO、 字节跳动提出的 DAPO 以及 DeepSeek 提出的 GRPO 算法在 AIME 2024 上的阐发。一样步数下 CISPO 显著优于 DAPO 和 GRPO；其训练效能更高，仅需 DAPO 50% 的步数即可达到一致机能。
底层架构上对于线性把稳力机造的引入，以及算法层萦绕 CISPO 所形成的高效 RL 框架，最终让 M1 的强化进建训练变得极度高效，进而获得了训练成本的大幅降落。
与模型一起颁布的技术汇报中显示，在天生长度为 10 万 Token 时，M1 的推算量仅为 Deepseek R1 的 25%，而整个 M1 的齐全强化进建训练能在 512 张 H800 GPU 上仅用 3 周实现，以目前的 GPU 租赁价值推算，成本仅为 53.47 万美元。
Prompt 是这样的： 创建一个迷宫天生器和寻路可视化工具。随机天生一个迷宫，并逐步可视化 A* 算法的求解过程。使用画布和动画，使其拥有视觉吸引力。
demo 里能够清澈看到，M1 在天生的网页中思路清澈的设置了代表打字速度的 WPM（words per minute）和正确度的 Accuracy 两个指标，并且关心的让上方文字随着你的输入过程而同步变色。
这些 demo 都在指向一些通用 agent 中产品化 feature 的可能性。长高低文理解、智能体这些在模型能力产品化过程中的主题能力，刚好是 M1 模型的强势地点。这切合 MiniMax 最早以产品起势的路线，而这家公司最近在基础模型层面持续的激进索求，也以 M1 的出现为节点，在当下大模型公司们技术突破普遍降速的时辰显示出后劲。
M1 的出现，背后是一条 MiniMax 从传统的浓密模型与 Transformer 架构，转向 MoE 与线性把稳力机造的草蛇灰线。在 MiniMax 决定引入 MoE 与线性把稳力机造的时辰，在其时险些都没有什么能够参考的对象。
Mistral AI 在 2023 年底用开源的模型 Mistral 8??7B 战胜了其时最优良的开源模型之一，700 亿参数的 Llama 2。2023 年夏天，MiniMax 已经在筹备从浓密模型转向 MoE，投入了其时公司 80% 的算力与研发资源，在 Mistral 8??7B 颁布的一个月后，上线了国内首个 MoE 大模型 abab 6，并且由于这是个过于新的架构，MiniMax 为 MoE 自研更适配的训练和推理框架。
MiniMax 起头投入 Linear Attention 是从 2024 年 4 月起头的，那时尚没有模型在千亿级此外参数规模层面挑战传统的 Transformer 架构。这使得 MiniMax 必要对散布式训练和推理框架进行彻底的沉新设计来适配，使得模型可能在大规模 GPU 集群上高效运行，这才有了今年 1 月的 MiniMax-Text-01，这也是第一个依赖线性把稳力机造大规模部署的模型。
能够说，MiniMax-Text-01 是 MiniMax 在线性把稳力这件事上，为整个行业从幼规�？尚械墓彩�，到 Scale up 的可行做了一次验证。而推理模型 M1，性质上又是一次基于 MiniMax-Text-01 的 scale up 和架构创新。
团队以 MiniMax-Text-01 为基座，执行 7.5 万亿 token 的定向加强预训练，将 STEM（科学/技术/工程/数学）、编程代码与复杂推理三类主题领域的数据权沉提升至总语料 70%。随后通过监督微调阶段注入链式思虑（CoT）机造，系统性构建模型的分步推理能力，为强化进建奠定能力基础。
最终这种激进式的创新得到了积极的验证，M1 是目前全球最先到达 80k 高低文输出的推理模型，同时在长高低文，软件工程和 Agent 工具使用方面体现出了优势。
此前星野和 Talkie 在贸易化上的优异阐发，让 MiniMax 早早成为一家能够自己独立行走的大模型公司，也让表界赋予了这家公司一个「产品驱动」这样过于抽象的标签。这肯定水平上忽视了 MiniMax 在模型层面上相当强悍的研发能力。
值妥贴心的是，MiniMax 的官方布告泄漏，M1 系列模型同时也拉开了为期五天的 MiniMaxWeek 的序幕，未来五天，MiniMax 会萦绕文本、语音和视觉等多模态模型对表颁布更多的技术进展。
与此前 MoE 的 Abab 6 模型刚出现时类似，这次颁布的混合把稳力机造的 M1 在底层架构层面依然是一个「非共识」的推理模型，但也正是由于这些屡次探入模型底层架构「非共识」地带所带来的技术创新，一向在印证 MiniMax 终于是一家「模型驱动」的 AI 公司。
乐可金银花小说15岁的时候，我差不多就已经有100万粉丝了。所以我觉得，只要是关于我的话题，就很容易被放大、被传播。后来我意识到，那些东西对我并没有帮助，也不是我真正想要的生活。从那以后，我开始更好地理解自己，理解自己作为球员、作为一个人应该怎么做。这项工作最让我兴奋的是，模型对更多人类视频数据有着巨大的胃口。当我们将视频数据从1000小时扩展到20000小时，模型性能稳步提升，呈现出近乎完美的对数线性关系，意味着继续投入数据，性能还会持续提升。乐可金银花小说《荷花1777.tⅴknow百度百科》1994 年陈凯歌父亲离世，恰逢他远赴外地赶拍影片抽不开身，全靠倪萍一身黑衣以准儿媳身份，前后奔走操办整场葬礼，陈家上下早已默认她是未来儿媳。达洛特： 的确如此。那段经历让我明白，有时候防守的重要性甚至远远超过进攻。当然，我最大的特点之一始终是推动球队向前，出现在进攻区域。但教练让我真正理解到，在意大利足球里，防守组织几乎占据比赛的70%到80%。而在英超，尤其是豪门球队，大家更多思考的是如何通过控球赢得比赛。在意大利，情况几乎恰恰相反。因此我学到了很多。我也因此真正喜欢上了防守，并愿意成为防守体系中的一部分。不过一直以来，我都希望自己成为一名尽可能全面的球员。
20260607 ? 乐可金银花小说托雷萨尼总结称：“同样的能力差距会出现在任何一类工作中。真正的价值并不在于描述眼前可见的东西，而在于理解事件为什么这样发展、预判接下来会发生什么、判断什么重要，并提出下一步应该怎么做。”家庭主妇的欢乐巴塞罗那是否会追求他取决于他们是否先出售一名中后卫，因为这将腾出资金带回这位前青训产品。目前情况仍不明朗。
20260607 ? 乐可金银花小说二是区位辐射力，“面向云贵川藏，以四川为起点，这是新的发展道路。”他特别提到，目前正在推进的川藏铁路减灾服务合作，“起点就在成都，从成都到雅安，再到拉萨。”在他看来，若最终落地，成都将与北京总部将形成“多中心”协同，而非单向的产业转移。《快穿之女配上位(hp)》如果按照这一历史模式来看，当前以人工智能为代表的技术浪潮，本应处于熊彼特所说的从导入期向扩张期过渡的关键时刻。但今天我们看到，这个转折并未完成，甚至迟迟没有完成。与我们前面讨论的不同，AI时代的加速具有两个前所未有的特征。
京公网安备11010202000001号
