 MiniMax发布新款开源大模型，最强M支称其性价比优于DeepSeek 。性价下文 6月17日 ，开源国内大模型独角兽MiniMax发布世界上榜首个开源的推理大规模混合架构的推理模型MiniMax-M1 ，这也是模型“MiniMaxWeek”系列发布活动的首个对外发布
。 据MiniMax介绍 ，撑最M1在面向生产力的高百杂乱场景中才能是开源模型中的最好一档
，逾越国内的输入闭源模型
，挨近海外的最强M支最抢先模型
，一起又有业界最高的性价下文性价比
。 MiniMax发表 ，开源M1的推理优势是支撑现在业界最高的100万上下文的输入 ，和闭源模型里边的模型GoogleGemini2.5Pro相同
，是撑最DeepSeekR1的8倍，以及业界最长的高百8万Token推理输出 。 此次MiniMaxM1的最大优势之一体现在本钱上
。依据M1大模型剖析本身的技术优势显现 ，MiniMaxM1选用低本钱练习 ，仅用512块H800GPU三周时刻 ，本钱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 ，从而在核算长的上下文输入以及深度推理的时分显着高效 。依据归纳 ，在生成长度为10万tokens的场景下 ，MiniMax-M1的核算量（FLOPs）为DeepSeekR1的25% ，在长文本处理使命中具有显着优势 。 据M1的剖析表明 ，MiniMaxM1的中心优势在于超长上下文处理才能和极低的算力耗费 ，一起在杂乱使命（如东西调用、长文本了解）中体现挨近乃至逾越DeepSeekR1
，供给更灵敏的API定价战略 ，特别合适需求处理百万级token的场景（如法令文档剖析 、代码库了解）
。DeepSeekR1则在传统数学推理和编程基准测验中略占优势，但受限于上下文长度和核算功率 ，在长文本使命中显着落后M1 。 价格方面
，M1在MiniMaxAPP和Web上支撑不定量免费运用
。在API方面
，榜首档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 ，创始按“输入长度”区间定价
，深度考虑 、多模态才能与根底言语模型一致价格 ，称其归纳本钱只要DeepSeekR1三分之一，每生成一条5秒的1080P视频只需3.67元 ，为职业最低 。 不过
，被视为团体竞争对手的DeepSeekR1也在继续晋级中
。5月29日 ，据DeepSeek公告
，DeepSeekR1模型已完结小版别晋级 ，当时版别为DeepSeek-R1-0528 。用户经过官方网站、APP或小程序进入对话界面后 ，敞开“深度考虑”功用即可体会最新版别 。API也已同步更新 ，调用方法不变 。 新版DeepSeekR1针对“错觉”问题进行了优化 。与旧版比较
，更新后的模型在改写润饰
、总结摘要 、阅览了解等场景中，错觉率下降45-50%左右 ，可以有效地供给更为精确 、牢靠的成果 。 从交际媒体的反应来看，网友最为重视的是此次DeepSeekR1更新后的考虑时刻变长 。据测评显现
，此次DeepSeek单使命处理时长可达30-60分钟。
| 
