用50万刀追平世界第一，MiniMax的新模型是怎么做到的？

要说编程能力，有的模型就不太行了，我让它做一个模拟多米诺骨牌的html文件，要求很简单：

1。 点击并拖动鼠标可以在画布上创建一排多米诺骨牌。

2。 松开鼠标后，最后一枚骨牌会被推倒，引发连锁反应。

3。 点击屏幕底部的“RESET“按钮可以清空画布，重新开始。

结果MiniMax这边，整出来的东西纯粹不是多米诺，这是给大哥大嫂磕了个响头。

再看看优等生Gemini，人家直接大手一挥，做出来一个完美的程序。

DeepSeek这边，界面看着挺酷，就是感觉代码有点投机取巧。根本没有感受到碰撞，纯粹是让多米诺自己躺平了。

虽然编程有进步空间，但在别的地方，MiniMax又能把其它模型甩在身后。比如翻译文献，我随便在Arxiv上找了篇文章，专挑那种看不懂的、公式多的。

我把文献分别丢给MiniMax、DeepSeek、Gemini，让它们保留格式翻译文章。

咱来看看MiniMax的结果：排版看起来就很清爽，英文被翻译成了中文，但公式的位置完全没变。

甚至，还能把图附在翻译里！虽然内容不是百分百正确，但看了就让人心情愉悦，起码看文献的时候，窗口不用切来切去了。

DeepSeek这边，其实也还不错，但正文里的图片它就附不上来了。

Gemini这边，排版甚至有点灾难。以后大家读文献用MiniMax，应该又能提升一波效率了。

说到这，可能有人好奇，这个MiniMax是何方神圣？

就在昨天凌晨，国内AI圈突然有了动静：MiniMax宣布，开源他们的首个推理模型MiniMax-M1。

从跑分图来看，其他方面算是中规中矩。

但MRCR这项测试，也就是上下文长度测试，表现出了惊人的统治力，跟其他开源模型拉开了一大截，只比Gemini 2。5 Pro差一点。

这个测试可不简单。

以前，要测试模型的上下文长度，用的招数叫“大海捞针”。就是往一本书的文本里塞一条特殊的信息，比如“差评前沿部牛大了”。然后把整本书喂给AI，再问它，看它记不记得住。

现在这个测试已经不够用了，升级版叫MRCR。

如果说前面那个叫大海捞针，那MRCR就是捞4根针，还要研究出4根针各自的联系。这不仅考验它能不能在信息海洋里捞到针，还要看它能不能在捞针的时候不被别的信息冲昏头脑，非常难。

我也简单做了个测试。我下载了个txt版本的电子书，《白鲸记》，大约20万个单词。然后在里面偷偷加了句话：世超吃了生蚝后掉进了泥里。

然后我把书丢给MiniMax，问它我的问题，它的回答言简意赅。不错，有点水平。

Gemini呢，更厉害，精准说出了这句话所在的位置，第135章，而且速度也更快。甚至还识别出这句话是我自己加上去的，因为它说和上下文没有关联。不愧是第一名。

但，我丢给DeepSeek，它说它根本读不完。只能说上下文长度这块，MiniMax确实能算顶级。

它为什么这么厉害？

MiniMax用了一种叫“闪电注意力”的机制。这是一种优化版，简单说就是让模型在处理数据时，需要读写的次数更少，因此大大提升了模型的效率，“闪电”这名字当然也是这么来的。

MiniMax-M1的RL训练框架上也进行了创新。

我们经常在推理模型里看到“嗯”、“等等”、“啊哈”这样的词，感觉它们没啥用，但它们对模型训练非常重要。可一些旧的算法在训练过程中，也觉得它们没用，所以很容易忽略它们。

所以MiniMax提出了一种叫CISPO的新算法。解决方法是，稍微调低一点这些词的“影响力”，这样既能让AI学到关键的推理思路，又不会因为这些语气词而干扰整个训练过程。从论文来看，这同样提高了模型的训练速度。

“据说，强化学习阶段的算力成本仅有50多万美元。“

最近国内的AI大模型圈，确实有点安静了。万众瞩目的DeepSeek-R2，除了半真半假的爆料以外，没有一点动静。去年打得你来我往的AI六小虎，今年好像也蔫了。虽说也有发布，但确实没什么特别让人惊艳的产品。

MiniMax这次发布，的确还在搞自己的新东西。前一阵还发了自己的声音模型，效果也很不错，有以假乱真之势。

最后提一句，MiniMax在发布M1推理模型的还宣布了为期五天的连更计划，也就是说，这周每天晚上都能享受到一款新模型。