近日，MiniMax 正式开启 #MiniMaxWeek 技术周，第一弹重磅发布全新 M1 模型！
M1 模型在训练与推理效率方面实现了显著提升。RL训练成本仅需 53.3 万美元，推理效率提升至 DeepSeek R1 的 4 倍。
此外，模型增强了对超长文本的理解能力，最大可支持 100 万个 token 输入与 8 万个 token 输出，成为目前业内支持最长上下文的推理模型。
尤其值得关注的是，M1 在 Agent 工具调用任务中表现优异，堪称“Agent 好搭档”。
根据权威的 Artificial Analysis 机构排名，MiniMax M1超越了 Qwen3-235B，已经成为全球前二的开源模型：
本次 MiniMax 秉承一贯的开源理念，将 M1 模型的技术报告与权重完全开源。
技术报告：
https://www.arxiv.org/pdf/2506.13585
开源仓库：
https://huggingface.co/collections/MiniMaxAI/minimax-m1-68502ad9634ec0eeac8cf094
线上体验：
https://chat.minimaxi.com/
接下来，就让我们一起揭开 M1 模型如此高效的神秘面纱！
核心技术揭秘：混合注意力架构与CISPO算法
架构层面，M1 模型以 MiniMax 此前开源的 MiniMax-Text-01 模型为基座，沿袭了高效的混合注意力架构，实现了近乎线性的注意力复杂度，在计算效率层面遥遥领先。
具体来说，相较于传统的平方复杂度的 Softmax 注意力，MiniMax-Text-01 引入了线性复杂度的 Lightning 模块。实现了计算效率的大提升。
如图所示，同样都是生成 128K，MiniMax M1 的计算代价，也就是 FLOPs，显著低于 DeepSeek R1 模型与 Qwen3-235B-A22B 模型。
M1 模型基于 MiniMax-Text-01 进一步训练获得。主要分为三个阶段：
1. 构建了包含 7.5T token 的语料库，并进行了增量预训练；
2. 进行监督微调（SFT）注入 CoT 能力；
3. 进行强化学习，激活模型的 Reasoning 能力。
最核心的步骤，莫过于最后一步的强化学习阶段。线性注意力结构带来了计算效率的提升，但是也给 RL 带来了对应的挑战。
首先是训练推理两阶段 token 精度不对齐问题，也就是训练阶段和推理阶段下，token 精度没有很好地对齐。团队定位发现，该问题源于 LM 输出层的量化误差。因此，将该模块的计算精度提升到 FP32。
如下图所示，处理后 token 精度的相关系数从 0.98 提升至 0.99。
此外，MiniMax 团队，还对 AdamW 的超参数进行了细致调整，并设计了提前终止生成的策略来避免过长的病态输出。
在 RL 的算法角度，MiniMax 提出了 CISPO (Clipped IS-weight Policy Optimization) 算法来提升模型 Reasoning 能力的学习效率与最终效果。 CISPO 的学习目标如下：
相较于 DeepSeek 提出的 GRPO 算法，CISPO 既能显式避免部分token因为 ratio 太大被截断，同时也能保持Entropy 在一定的范围内确保模型稳步收敛。在主流的 AIME 数据集上效果如下：
可以看出，CISPO 算法收敛更快，且效果更好。
再长文本也不怕，Agent Tool调用就用它
得益于优质的数据，先进的架构，强大的算法，MiniMax M1 模型面对超长文本性能优秀。
相对主流模型，M1 能够支持最高 1M token 的输入与 80K token 的输出。为了面对不同长度的任务，MiniMax 训练并开源了两个版本的 M1 模型，分别支持 40K 和 80K 的思考预算。
在业界主流的评测集上，M1 表现优异，在 OpenAI-MRCR 评测集上效果仅次于闭源模型 Gemini 2.5 Pro，位列全球第二。
在经典的数学与代码任务，如 AIME 2024 和 Live Codebench，M1 的效果追平 DeepSeek-R1 与 Qwen3-235B-A22B。
在复杂软件工程任务 SWE-Bench Verified 及 Agent 工具任务 TAU-Bench 上表现突出。
值得一提的是，TAU-Bench 是业内公认的多轮工具调用挑战性数据集。在该任务上，MiniMax-M1 取得了 62.8 分的成绩，力压 Gemini-2.5 Pro 和 OpenAI o3。面对多轮（超过30轮）长链路思考工具调用的复杂场景，M1 表现优异且稳定，展现极强的工具调用能力与稳定性。
值得一提的是，M1 还支持 agent 开发者以简单的 XML 格式工具结构来调用模型，且也可以泛化到未训练过的工具。
我们进行了实测，要求 M1 模型实现鼠标点击任意位置时屏幕出现烟花特效的功能，并指定模型使用 canvas 和 JavaScript 实现这个任务。M1 模型出色完成了该指令，具体演示如下：
MiniMax 秉承一贯的开源精神，将MiniMax M1权重完全开源，技术普惠。社区对此也是反响热烈，海内外多位知名开发者纷纷推荐转发，社区反响热烈。
国际科技媒体 VentureBeat 对此进行了专题报道：
多位海外研究者在 Twitter 上分享了对 M1 的看法，相关动态发布后一天内阅读量接近 2 万次，如：
大家纷纷赞叹极低的训练成本与超长的思维链能力，这得益于MiniMax的混合注意力架构路线，更是得益于 MiniMax 强大的研发能力。
想要亲自体验这款训推成本低，文本长度极限突破的 MiniMax M1 模型？
点击阅读原文访问 MiniMax 官网，轻松调用，立即体验！
🔍
现在，在「知乎」也能找到我们了
进入知乎首页搜索「PaperWeekly」
点击「关注」订阅我们的专栏吧
（文：PaperWeekly）