53万美金训练出顶级AI？揭秘MiniMax的「省钱」绝招

MiniMax-M1 的发布标志着全球开源大模型在长上下文处理与智能体应用能力上的重大突破。该模型基于创新的 Lightning Attention 架构，实现了高达 100 万 token 的输入上下文长度，推理输出亦可达 8 万 token，性能全面超越现有主流开源模型，在 OpenAI-MRCR、LongBench-v2 等评测中表现领先，甚至逼近闭源顶级模型如 Gemini 2.5 Pro。其核心技术优势源于对非传统 Transformer 路线的深度探索，通过线性注意力机制显著降低计算复杂度，使处理长序列时的资源消耗呈线性增长而非平方级上升。同时，为应对高速推理带来的强化学习不稳定性问题，MiniMax 提出 CISPO 强化学习算法，有效提升了训练过程的收敛性与模型输出质量，并将整体强化训练成本压缩至仅 53.74 万美元，实现高性能与高效率的双重突破。 在实际应用层面，MiniMax-M1 的核心竞争力不仅体现在强大的上下文理解能力，更在于其卓越的工具调用与系统协同能力。其在 TAU-bench 评测中表现优异，能够稳定完成多轮复杂任务中的长链路思考与外部工具交互。模型支持以简洁的 XML 格式定义工具接口，自动解析并生成合规调用代码，大幅降低开发门槛，提升工程落地效率。从生成动态网页、3D 动画到构建可交互的迷宫游戏和打字测试工具，均展现出极强的创造力与实用性。这一系列能力表明，真正的智能体发展不应依赖于外挂式的 RAG 或提示工程，而应依托基座模型自身持续进化的能力。MiniMax 以清晰的技术路径与业务导向的战略，为 AI Agent 规模化落地提供了坚实范本，预示着 2025 年下半年人工智能产业将迎来新一轮增长高峰。