MiniMax正在举行为期5天的开源周活动！首日正式开源最新推理模型MiniMax-M1，重新定义长文本推理新标杆- 全球最长上下文窗口：
支持100万token输入，8万token输出
开源模型中最先进的智能体应用表现
突破性训练效率：仅耗资53.47万美元完成强化学习训练
MiniMax是全球首个开放权重的混合注意力大规模推理模型——MiniMax-M1。
该模型采用创新的混合专家架构（MoE）与闪电注意力机制相结合的设计方案，基于此前发布的MiniMax-Text-01模型（MiniMax et al., 2025）研发而成，总参数量达4560亿，单token激活参数为459亿。M1模型原生支持100万token的上下文长度，是DeepSeek R1上下文窗口的8倍。其搭载的闪电注意力机制显著提升了推理计算效率——以10万token生成为例，M1的浮点运算量仅为DeepSeek R1的25%。这些特性使M1特别适合需要处理长文本输入和深度思考的复杂任务
在训练方面，MiniMax-M1通过大规模强化学习（RL）覆盖了从传统数学推理到沙盒式现实软件工程环境的多样化场景。除了闪电注意力机制自带的RL训练效率优势外，还提出了创新性RL算法CISPO：该算法通过裁剪重要性采样权重而非token更新的方式，显著优于其他主流RL变体。混合注意力架构与CISPO算法的结合，使得MiniMax-M1在512张H800 GPU上的完整RL训练仅需三周即可完成，租赁成本低至53.47万美元。同步开放了4万和8万思维预算的两个版本，其中4万版本是8万完整训练过程的中间阶段
在标准基准测试中，模型与DeepSeek-R1、Qwen3-235B等顶尖开放权重模型相比具有可比或更优表现，尤其在复杂软件工程、工具调用和长上下文任务中展现突出优势。通过高效的推理计算扩展，MiniMax-M1为下一代语言模型智能体应对现实挑战奠定了坚实基础
模型已开源发布：
https://github.com/MiniMax-AI/MiniMax-M1
Hugging Face模型库：
https://huggingface.co/collections/MiniMaxAI/minimax-m1-68502ad9634ec0eeac8cf094GitHub
技术报告：
https://github.com/MiniMax-AI/MiniMax-M1/blob/main/MiniMax_M1_tech_report.pdf
还没来得及测试，后面等实测完了，在分享
⭐
（文：AI寒武纪）