近期，國(guó)內(nèi)AI大模型領(lǐng)域似乎陷入了一片沉寂，各大項(xiàng)目紛紛選擇低調(diào)行事。曾備受矚目的DeepSeek-R2，除了偶爾流傳的半真半假的小道消息外，幾乎再無(wú)任何動(dòng)靜。
回望去年，AI六小虎之間的激烈競(jìng)爭(zhēng)還歷歷在目，而今年的它們卻仿佛集體進(jìn)入了冬眠狀態(tài)，鮮有新動(dòng)作。
盡管期間也有新品發(fā)布，但總體而言，這些產(chǎn)品都未能激起太大的波瀾，缺乏讓人眼前一亮的創(chuàng)新和吸引力。
然而，就在昨日凌晨，這潭平靜的水被一只突然蘇醒的小虎攪動(dòng)——MiniMax宣布正式開(kāi)源其首個(gè)推理模型MiniMax-M1。
從跑分圖來(lái)看，MiniMax-M1在其他方面的表現(xiàn)算是中規(guī)中矩，但在MRCR（上下文長(zhǎng)度測(cè)試）這一項(xiàng)上，卻展現(xiàn)出了驚人的實(shí)力，與眾多開(kāi)源模型拉開(kāi)了顯著的差距，僅次于Gemini2.5Pro。
更令人驚訝的是，據(jù)MiniMax團(tuán)隊(duì)透露，該模型在強(qiáng)化學(xué)習(xí)階段的算力成本僅為50多萬(wàn)美元，這無(wú)疑是一個(gè)以小博大的成功案例。
深入了解MiniMax-M1后，我們發(fā)現(xiàn)了其背后的兩大亮點(diǎn)。首先，該模型采用了一種名為“閃電注意力”的機(jī)制，這是一種對(duì)傳統(tǒng)注意力機(jī)制的優(yōu)化，通過(guò)減少模型在處理數(shù)據(jù)時(shí)的讀寫(xiě)次數(shù)，從而大幅提升了效率。
其次，MiniMax-M1在RL訓(xùn)練框架上也進(jìn)行了創(chuàng)新。針對(duì)推理模型中常見(jiàn)的“嗯”、“等等”、“啊哈”等語(yǔ)氣詞，MiniMax提出了一種名為CISPO的新算法。該算法通過(guò)略微調(diào)低這些詞的影響力，既能讓AI學(xué)到關(guān)鍵的推理思路，又不會(huì)因這些語(yǔ)氣詞而干擾整個(gè)訓(xùn)練過(guò)程。
在實(shí)際體驗(yàn)中，MiniMax-M1的表現(xiàn)同樣令人印象深刻。在上下文長(zhǎng)度的測(cè)試中，該模型展現(xiàn)出了強(qiáng)大的能力。以一本約20萬(wàn)個(gè)單詞的電子書(shū)《白鯨記》為例，我們?cè)谄渲型低导尤肓艘痪湓挘骸澳橙顺粤松柡蟮暨M(jìn)了泥里”。當(dāng)詢(xún)問(wèn)MiniMax-M1時(shí)，它迅速且準(zhǔn)確地給出了回答，而DeepSeek則因無(wú)法處理如此長(zhǎng)的上下文而敗下陣來(lái)。
在科研文獻(xiàn)的翻譯上，MiniMax-M1也展現(xiàn)出了其獨(dú)特的優(yōu)勢(shì)。它能夠保持原文的格式，準(zhǔn)確翻譯內(nèi)容，并將公式和圖片完美嵌入到翻譯結(jié)果中，為科研人員提供了極大的便利。
然而，在編程能力的測(cè)試中，MiniMax-M1的表現(xiàn)則稍顯不足。盡管它能夠完成一些基本的編程任務(wù)，但在處理復(fù)雜邏輯和動(dòng)畫(huà)效果時(shí)，仍存在一定的提升空間。
盡管如此，MiniMax-M1的發(fā)布仍然為AI大模型領(lǐng)域帶來(lái)了新的活力和期待。同時(shí)，MiniMax還宣布了為期五天的連更計(jì)劃，每晚都將推出一款新模型，這無(wú)疑將進(jìn)一步激發(fā)行業(yè)的關(guān)注和討論。讓我們共同期待MiniMax后續(xù)的表現(xiàn)吧！
