全球領(lǐng)先水平！MiniMax開(kāi)源首個(gè)推理模型M1

不知道還有多少人記得，AI 行業(yè)的六小虎。

行業(yè)內(nèi)都在說(shuō)，他們已經(jīng)沉寂好久了。

上一次相關(guān)的項(xiàng)目發(fā)布，還是前一段時(shí)間我寫(xiě)的 MiniMax 聲音模型的更新，Speech-02。

而前晚凌晨將近 12 點(diǎn)的時(shí)候，又是 MiniMax，居然在 X 上，預(yù)告了他們一整周的發(fā)布計(jì)劃。

給我整不會(huì)了，不是，為什么總是選擇這么陰間的時(shí)間點(diǎn)發(fā)布啊。。。

而第一天（也就是前天），發(fā)布了他們 MiniMax Week 的第一個(gè)項(xiàng)目：開(kāi)源 MiniMax 首個(gè)推理模型 M1。

出手就開(kāi)源，還是秀的，看看跑分。

我先說(shuō)結(jié)論：“MiniMax M1 的上下文能力，是現(xiàn)在全球最厲害、最牛的、足以媲美 Gemini 2.5 Pro 的開(kāi)源模型。”

我愿敬稱為新一代源神。

在 AIME 2024 邏輯數(shù)學(xué)題目上（偏奧數(shù)思維）和 LiveCodeBench 編程題上、還有 SWE-bench Verified（真實(shí)世界代碼補(bǔ)全+修改），MiniMax M1 的表現(xiàn)只能說(shuō)中規(guī)中矩，有弱的、有強(qiáng)的。

而 TAU-bench（需要理解任務(wù)目標(biāo)、推理動(dòng)機(jī)的場(chǎng)景），M1 準(zhǔn)確率 62.8%，開(kāi)始媲美開(kāi)源模型。

但是，最離譜的來(lái)了，最后一個(gè)，MRCR（4-needle）。

這個(gè)直接，屠榜了，真的就一瞬間，一柱擎天，直接跟 Gemini2.5Pro 肩并肩，我相信用過(guò) Gemini 2.5 pro 的伙伴，都知道，這玩意的上下文有多離譜，而現(xiàn)在，MiniMax M1 作為一個(gè)開(kāi)源的大模型，首次，在這個(gè)評(píng)測(cè)集上，能跟 Gemini 2.5 Pro 并駕齊驅(qū)了。

我特么。。。

很多人不知道 MRCR（4-needle）是個(gè)啥，我簡(jiǎn)單解釋一下。

AI 圈之前一直有一個(gè)測(cè)上下文能力的測(cè)試，叫做“大海撈針”。

X 上一個(gè)大佬 Greg Kamradt，為了弄明白當(dāng)年 Claude2.1 的 200K Token，究竟實(shí)測(cè)效果怎么樣，就調(diào)用 Claude 的 API 做了個(gè)壓力測(cè)試，從一段不同長(zhǎng)度的文本中，撈出特定的信息，而這個(gè)測(cè)試，花了他 1000 美金。

這圖我現(xiàn)在還有。

Claude-2.1 當(dāng)時(shí)紅了一片，200K 幾乎沒(méi)有蛋用，巨水無(wú)比。

而那一次，Kimi 在我的文章下留言，說(shuō)自己內(nèi)部測(cè)了一下，全綠。

后面的故事，大家也就都知道了。

后來(lái)呢，Gemini 覺(jué)得這個(gè)大海撈針測(cè)試太初級(jí)了，于是自己搓了一個(gè)新的測(cè)試方法，叫做 Michelangelo。

在這個(gè)論文里，他們提出了 Michelangelo 的幾個(gè)評(píng)估任務(wù)，有 Latent List、IDK，而第三個(gè)，就是 MRCR。

全稱叫 Multi-Round Co-reference Resolution，翻譯成中文叫多輪共指消解，反正非常拗口。

它主要考察一個(gè)模型在處理較長(zhǎng)的、多輪對(duì)話時(shí)，能否準(zhǔn)確地理解和區(qū)分用戶要求中具體指的是哪一次對(duì)話、哪一個(gè)內(nèi)容。

比如用戶和 AI 進(jìn)行了一系列對(duì)話，用戶要求 AI 寫(xiě)一些東西，比如詩(shī)、謎語(yǔ)、文章。在這些對(duì)話中，會(huì)刻意插入多個(gè)看起來(lái)類(lèi)似的話題（比如多首關(guān)于企鵝的詩(shī)）。

然后再讓 AI 回頭去重新找到某一次特定的話，比如用戶要求“再重復(fù)一遍第二首寫(xiě)企鵝的詩(shī)”，此時(shí)模型必須精準(zhǔn)識(shí)別這個(gè)“第二首”指的具體是哪一次回答的內(nèi)容。

這個(gè)事其實(shí)不簡(jiǎn)單，因?yàn)閷?duì)話很長(zhǎng)，涉及多個(gè)話題和文體，非常考驗(yàn)?zāi)Ｐ偷纳舷挛睦斫饬Α?/p>

有些內(nèi)容在主題和格式上極其相似，比如“關(guān)于企鵝的第一首詩(shī)”和“關(guān)于企鵝的第二首詩(shī)”。模型必須能清晰區(qū)分、精準(zhǔn)回溯。

后面 OpenAI 在發(fā) GPT-4.1 的時(shí)候，也在 blog 里面提到，自己魔改了一個(gè)難度更高的 MRCR 的評(píng)測(cè)集，用來(lái)評(píng)估模型的上下文性能。

而“4-needle” 指的是，在同一段超長(zhǎng)上下文里同時(shí)埋下 4 個(gè)“針”（關(guān)鍵信息片段），然后在后續(xù)對(duì)話里以交錯(cuò)的方式把這 4 根針全部翻出來(lái)。

在這個(gè)任務(wù)下，MiniMax-M1，吊打了一切，只跟 Gemini 2.5 pro，差了那一點(diǎn)點(diǎn)的距離。

我翻了下技術(shù)報(bào)告，M1 之所以在上下文有這個(gè)性能，核心點(diǎn)還是在于他們之前開(kāi)源的基座模型 MiniMax-01。

得益于 MiniMax-01 Lightning Attention 線性注意力機(jī)制的應(yīng)用，M1 的時(shí)間和空間復(fù)雜度隨序列長(zhǎng)度增加近似線性增長(zhǎng)，不像傳統(tǒng) Transformer 那樣呈平方級(jí)膨脹。

因?yàn)?Lightning Attention 機(jī)制，在推理生成長(zhǎng)度 64K token 時(shí)，F(xiàn)LOPs 消耗不到 DeepSeek R1 的一半。

當(dāng)生成長(zhǎng)度達(dá)到 100K token 時(shí)，M1 僅消耗其約 25%的 FLOPs。

非常的離譜。

而這個(gè) MiniMax-M1，跟之前開(kāi)源的基座模型 MiniMax-01 一樣，也是 456B 參數(shù)，MoE 架構(gòu)，實(shí)際激活 45.9B。

最長(zhǎng)上下文長(zhǎng)度為 100 萬(wàn)字，也就是 1M，是 DeepSeek-R1 的 8 倍。

這次開(kāi)源了兩個(gè)上下文長(zhǎng)度的推理模型，40K 和 80K。

80K 版本是在 40K 版本基礎(chǔ)上進(jìn)一步訓(xùn)練得到的增強(qiáng)版本。

這里注意一下，80K 和 40K 指的不是上下文長(zhǎng)度，上下文長(zhǎng)度是 1M，80K 和 40K 指的是 Extended Thinking 的上限。

GitHub：https://github.com/MiniMax-AI/MiniMax-M1

Hugging Face：https://huggingface.co/spaces/MiniMaxAI/MiniMax-M1

目前在 MiniMax 的官網(wǎng)上也上線了。

網(wǎng)址在此，可以直接用。

網(wǎng)址：https://chat.minimaxi.com/

我也第一時(shí)間，上去測(cè)了一下。

我的第一個(gè)任務(wù)，就讓我開(kāi)了眼，因?yàn)槲抑皇牵⌒〉膰L試一下，沒(méi)想到效果，比我預(yù)期的還要好，我直接把 MiniMax-M1 的技術(shù)報(bào)告扔了進(jìn)去，讓它，給我逐字翻譯。

現(xiàn)在看著還比較正常對(duì)吧。

但是，馬上，離譜的事情來(lái)了。

他居然把圖，也給我...帶出來(lái)了。。。

甚至不僅有圖，還有，公式。

還把表格，直接拎出來(lái)翻譯了。

這效果，這體驗(yàn)，真的無(wú)敵。

雖然中間，有部分的圖表丟失，還沒(méi)有達(dá)到 100%的完整度，但是這個(gè)效果，也已經(jīng)非常非常好了，關(guān)鍵的是文字，一個(gè)不落，全部都整整齊齊的給我翻譯出來(lái)了。

最搞笑的是，他還自作主張，在最后，可能覺(jué)得參考文獻(xiàn)翻譯出來(lái)沒(méi)什么用，直接自己給省略了。

我說(shuō)實(shí)話，這個(gè)參考文獻(xiàn)，占了 5 頁(yè)，對(duì)我來(lái)說(shuō)，確實(shí)沒(méi)啥用。。。

在翻譯上，我又試了一個(gè)更有趣的場(chǎng)景，我扔了一個(gè)文檔過(guò)去，然后說(shuō)：

“翻譯成中文，在括號(hào)里標(biāo)注一些符合我英語(yǔ)水平的原文英文詞匯或短語(yǔ)。我英語(yǔ)水平是大學(xué)六級(jí)。”

太有意思了，這個(gè)上下文準(zhǔn)確性，是真的牛逼。

然后我又做了一個(gè)測(cè)試，把我群里這一周的聊天記錄，導(dǎo)出出去也扔給了 MiniMax-M1，讓他把絳燁的聊天記錄都找出來(lái)。

他準(zhǔn)確的識(shí)別除了絳燁的微信 ID，然后找到了他的微信號(hào)，扒出了他的所有聊天記錄。。。

這些鏈接，是真的能點(diǎn)的，我驚了，他還做了樣式重構(gòu)。。。

因?yàn)槌L(zhǎng)超準(zhǔn)的上下文，你還可以，跟大模型玩一局，真正的文字冒險(xiǎn)游戲，因?yàn)樗粫?huì)忘記你的出身，他會(huì)記得，一切。

推理模型+超長(zhǎng)且精準(zhǔn)上下文的擴(kuò)充，確實(shí)會(huì)帶來(lái)，很多不一樣的花活玩法。

比如我還有一個(gè)特別狠的測(cè)試。

就是我手上有一個(gè) 34 個(gè)劉慈欣老師的小說(shuō)的合集，因?yàn)榇髣⒊耸廊私灾娜w之外，他其實(shí)還寫(xiě)過(guò)特別多的科幻中短篇小說(shuō)，也特別好看。

比如我最?lèi)?ài)的《山》。

我現(xiàn)在，想把這些故事，安利給我的朋友們，我想，讓 AI 根據(jù)這 34 個(gè)故事，每一個(gè)故事都寫(xiě)一段故事總結(jié)+推薦語(yǔ)。

這個(gè)任務(wù)，你要是扔給 DeepSeek。

你就會(huì)得到一個(gè)非常離譜的提示，DeepSeek 只閱讀了 8%。。。

而 MiniMax-M1，出色的完成了任務(wù)。

超長(zhǎng)上下文的魅力，此時(shí)體現(xiàn)的淋漓盡致。

不過(guò)我有一個(gè)更變態(tài)的任務(wù)，還是給 MiniMax-M1 干宕機(jī)了。

就是...我讓它數(shù)本草綱目里一共有多少藥材= =

數(shù)了 8 分鐘，最后跟我說(shuō)，有 400 中種，但其實(shí)答案是 1892 種= =

不過(guò)我也能理解，這個(gè)任務(wù)，確實(shí)實(shí)在是太變態(tài)了。。。

除了上下文之外，我也測(cè)了些寫(xiě)作、編程、數(shù)學(xué)。

寫(xiě)作和數(shù)學(xué)就不詳細(xì)提了，寫(xiě)作這塊中規(guī)中矩，數(shù)學(xué)的高考題實(shí)在沒(méi)空完整做了，我覺(jué)得我需要抽空寫(xiě)一個(gè)腳本。

不過(guò)測(cè)了兩道大題，目前是都對(duì)的。

最后稍微吐槽一下編程這塊，就是前端審美，感覺(jué)還是有一些進(jìn)步空間的。

就...有一點(diǎn)，不好看啊。

比如我昨天下午去參加了飛書(shū)多維表格的閉門(mén)會(huì)，會(huì)議特別有價(jià)值，我想做個(gè)可視化網(wǎng)頁(yè)。

這是 Gemini 生成的。

這是 M1 生成的。

咱就是說(shuō)，可以不這么直男審美的= =

總體來(lái)說(shuō)，M1 模型，還是讓我有一點(diǎn)驚喜的，他們自己的新研究，確實(shí)卷出了一些很有意思的特性，也把開(kāi)源領(lǐng)域的模型水平，又拔高了一個(gè)層級(jí)。

還有 4 天時(shí)間，我現(xiàn)在有點(diǎn)期待 MiniMax 會(huì)繼續(xù)掏出什么有意思的大貨了。

以我對(duì) MiniMax 的了解，視頻模型總歸要來(lái)一個(gè)的吧，已經(jīng)有一段時(shí)間沒(méi)更新了，Video 01-Director 已經(jīng)是幾個(gè)月前的事了。

你 Hailuo 02（0616）都去打榜了，那你這 5 天里，得掏一下吧。

海螺的人物情緒表演、動(dòng)作表演，至今依然是我心中的白月光。

極度期待 Hailuo 02，在人物表演上，會(huì)帶給我什么樣的震撼。

聲音模型估計(jì)不發(fā)新的了，因?yàn)橐粋€(gè)月前 Speech-02 才發(fā)。

圖片和 3DMiniMax 不做，那在掏個(gè)音樂(lè)模型？這個(gè)符合 MiniMax 的氣質(zhì)。

這一周，希望 MiniMax 盡情撒貨吧。

讓 AI 的這一把火。

燒得更熱烈些。