MiniMax发布新款开源大模型
，称其性价比优于DeepSeek
。

　　6月17日，国内大模型独角兽MiniMax发布世界上第一个开源的大规模混合架构的推理模型MiniMax-M1 ，这也是“MiniMaxWeek
”系列发布活动的首个对外发布。

　　据MiniMax介绍
，M1在面向生产力的复杂场景中能力是开源模型中的最好一档，超过国内的闭源模型 ，接近海外的最领先模型
，同时又有业内最高的性价比 。

　　MiniMax披露，M1的优势是支持目前业内最高的100万上下文的输入 ，和闭源模型里面的GoogleGemini2.5Pro一样
，是DeepSeekR1的8倍，以及业内最长的8万Token推理输出
。

　　此次MiniMaxM1的最大优势之一体现在成本上。根据M1大模型分析自身的技术优势显示 ，MiniMaxM1采用低成本训练
，仅用512块H800GPU三周时间，成本53.47万美元（约385万元） 。

　　MiniMax称 ，得益于以闪电注意力机制为主的混合架构，从而在计算长的上下文输入以及深度推理的时候显著高效
。根据推算
，在生成长度为10万tokens的场景下，MiniMax-M1的计算量（FLOPs）为DeepSeekR1的25% ，在长文本处理任务中具备显著优势。

　　据M1的分析表示
，MiniMaxM1的核心优势在于超长上下文处理能力和极低的算力消耗，同时在复杂任务（如工具调用、长文本理解）中表现接近甚至超越DeepSeekR1 ，提供更灵活的API定价策略
，尤其适合需要处理百万级token的场景（如法律文档分析 、代码库理解） 。DeepSeekR1则在传统数学推理和编程基准测试中略占优势，但受限于上下文长度和计算效率 ，在长文本任务中明显落后M1
。

　　价格方面
，M1在MiniMaxAPP和Web上支持不限量免费使用。在API方面，第一档0-32k的输入长度时 ，输入0.8元/百万token
，输出8元/百万token；第二档32k-128k的输入长度时，输入1.2元/百万token ，输出16元/百万token；第三档128k-1M输入长度时，输入2.4元/百万token
，输出24元/百万token 。

　　值得注意的是，DeepSeek已成为大模型厂商对标的“风向标”
。此前字节跳动旗下火山引擎最新发布豆包大模型1.6 ，首创按“输入长度 ”区间定价
，深度思考
、多模态能力与基础语言模型统一价格，称其综合成本只有DeepSeekR1三分之一 ，每生成一条5秒的1080P视频只需3.67元
，为行业最低。

　　不过，被视为集体竞争对手的DeepSeekR1也在持续升级中 。5月29日 ，据DeepSeek公告
，DeepSeekR1模型已完成小版本升级，当前版本为DeepSeek-R1-0528。用户通过官方网站、APP或小程序进入对话界面后 ，开启“深度思考
”功能即可体验最新版本
。API也已同步更新
，调用方式不变。

　　新版DeepSeekR1针对“幻觉”问题进行了优化 。与旧版相比，更新后的模型在改写润色 、总结摘要
、阅读理解等场景中 ，幻觉率降低45-50%左右，能够有效地提供更为准确、可靠的结果
。

　　从社交媒体的反馈来看
，网友最为关注的是此次DeepSeekR1更新后的思考时间变长。据测评显示，此次DeepSeek单任务处理时长可达30-60分钟 。