技术Z先生的文章介绍了国内AI公司MiniMax开源其456B参数的推理模型M1，该模型在性能上与DeepSeek R1媲美，但价格仅为其四分之一。M1支持100万token超长上下文，并采用创新的“雷电注意力”机制，大幅提升处理速度。MiniMax还展示了其Agent能力，能够一句话生成完整网站。文章分析了MiniMax的开源策略，包括抢占Agent赛道、建立生态和技术示威，并探讨了其面临的挑战和未来发展。

⚡️ MiniMax开源了456B参数的M1推理模型，该模型支持100万token的超长上下文，性能接近DeepSeek R1，但算力消耗更低，降低了75%。

💡 M1采用了“雷电注意力”机制，在处理长文本输入时，速度是传统方法的2700倍，且使用512块H800芯片，训练成本仅为53万美元，远低于Meta的Llama4。

🚀 MiniMax的Agent功能强大，能够根据用户指令生成网站、演示四冲程发动机原理和创建3D动画，展示了其在多模态和Agent领域的领先技术。

🌐 MiniMax开源M1旨在抢占Agent赛道，建立开发者生态，并展示技术实力。这有助于其在AI行业中占据优势，并推动技术创新。

🤔 尽管M1表现出色，但MiniMax仍面临算力成本高、与海外巨头差距以及商业化路径等挑战。

原创 技术Z先生 2025-06-20 23:40 广东

最新国产开源推理AI，推理媲美DeepSeek，价格却只要四分之一

* 戳上方蓝字“AI资讯互联”关注我

说起来你可能不信，有个做AI的小公司，最近一口气开源了456B参数的推理模型，直接把国外大厂都给整懵了...

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。

为什么？因为这哥们直接开源了456B参数的混合专家模型，还支持100万token的超长上下文，比DeepSeek R1足足多了8倍（体验地址：https://agent.minimax.io/chat）。

更离谱的是，在同样的计算量下，它比DeepSeek R1节省了75%的算力。

从视频生成到Agent全开花，MiniMax要逆天了故事得从MiniMax这家公司说起。

这家2021年成立的公司，一直在AI多模态领域默默耕耘。当大家还在卷文本大模型的时候，人家早就在搞视频生成了。

最近半年，MiniMax简直像开了挂：

2025年1月：发布MiniMax-Text-01和MiniMax-VL-01，456B参数，支持400万token6月：开源M1推理模型，全球首个大规模混合注意力推理模型同期：内测Agent功能，让用户一句话生成完整网站语音模型：Speech-02发布，支持32种语言，秒杀OpenAI

这密度，连奥特曼看了都得说一声"我靠"。

来看下MiniMax Agent生成的网站效果：https://r01udyvbjw.space.minimax.io/

这个Agent有多离谱？最让人震惊的不是参数规模，而是他们的Agent能力。

我随便试了几个例子：

让它做一个OpenAI发展历程的PPT网页

自己上网搜集资料

爬取高质量网页数据

用浏览器测试自己做的网站

最后生成完整的交互式展示页面

让它创建四冲程发动机演示

自动理解机械原理

生成3D动画效果

还有气体流动的粒子效果

可以直接用于教学

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。

技术细节：雷电注意力机制是什么鬼？MiniMax这次搞了个"雷电注意力"（Lightning Attention）机制。

听起来很玄乎，其实就是把传统的注意力机制优化了。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。

什么概念？就是别人需要45分钟做完的事，它3秒就搞定了。

而且他们用的强化学习算法CISPO，收敛速度是其他算法的2倍。整个训练过程只用了512块H800芯片，3周时间，成本53万美元。

对比一下Meta的Llama4：人家用了22000块H100 GPU，训练成本至少千万美元级别。

开源背后的野心为什么要开源这么牛逼的模型？

业内人士分析，MiniMax这是在下一盘大棋：

抢占Agent赛道

：2025年被称为AI Agent元年，长上下文是关键能力

建立生态

：通过开源吸引开发者，形成护城河

技术示威

：向投资人和客户展示实力

事实证明，这招很有效。模型发布后，GitHub上的下载量直接破万（地址：https://github.com/MiniMax-AI/MiniMax-M1），各大技术社区都在讨论。

网友们炸了消息传出后，程序员群体的反应很有意思：

"卧槽，456B参数还开源？这是要革命啊"

"我用了一下他们的Agent，感觉我的工作要没了..."

"MiniMax这是要把国外大厂按在地上摩擦的节奏"

"从海螺AI到现在的M1，这家公司是认真的"

"终于有中国公司在AI领域真正做到了技术领先"

但也不是没有质疑声当然，也有理性的声音：

"参数大不代表效果好，还得看实际应用"

"开源是好事，但商业化才是关键"

"MiniMax能否持续投入研发，这是个问题"

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。

Agent时代的卡位战更深层的含义是，MiniMax在为即将到来的Agent时代卡位。

现在的AI Agent大多依赖第三方API，比如调用OpenAI或Anthropic的接口。但这样有个问题：被人卡脖子。

MiniMax的策略是全栈自研：从基础模型到Agent应用，全部自己搞定。这样既能保证技术安全，又能降低成本。

而且他们的多模态能力（文本、语音、视频、图像）都是自研的，这在Agent应用场景下非常重要。

未来会怎样？从目前的趋势看，MiniMax很可能成为中国AI领域的一匹黑马。

他们的技术路线很清晰：

基础模型能力持续提升

Agent应用场景深度挖掘

多模态技术全面布局

开源生态建设

但挑战也很明显：

算力成本依然很高

与海外大厂的差距仍然存在

商业化路径还需要验证

最后的话不管怎么说，MiniMax这波操作确实震撼到了整个AI圈。

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。

更重要的是，这说明中国的AI公司已经有能力在前沿技术领域与国外巨头正面PK了。

至于MiniMax最终能走多远，我们拭目以待。

但有一点可以确定：在这个AI爆发的时代，永远不要低估一家有技术野心的中国公司。

有时候，最不起眼的"小厂"，往往能搞出最大的动静。

你觉得MiniMax这波开源操作怎么样？会改变AI行业格局吗？评论区说说你的看法～