近期，国内AI大模型领域似乎陷入了一片沉寂，各大项目纷纷选择低调行事。曾备受瞩目的DeepSeek-R2，除了偶尔流传的半真半假的小道消息外，几乎再无任何动静。
回望去年，AI六小虎之间的激烈竞争还历历在目，而今年的它们却仿佛集体进入了冬眠状态，鲜有新动作。
尽管期间也有新品发布，但总体而言，这些产品都未能激起太大的波澜，缺乏让人眼前一亮的创新和吸引力。
然而，就在昨日凌晨，这潭平静的水被一只突然苏醒的小虎搅动——MiniMax宣布正式开源其首个推理模型MiniMax-M1。
从跑分图来看，MiniMax-M1在其他方面的表现算是中规中矩，但在MRCR（上下文长度测试）这一项上，却展现出了惊人的实力，与众多开源模型拉开了显著的差距，仅次于Gemini2.5Pro。
更令人惊讶的是，据MiniMax团队透露，该模型在强化学习阶段的算力成本仅为50多万美元，这无疑是一个以小博大的成功案例。
深入了解MiniMax-M1后，我们发现了其背后的两大亮点。首先，该模型采用了一种名为“闪电注意力”的机制，这是一种对传统注意力机制的优化，通过减少模型在处理数据时的读写次数，从而大幅提升了效率。
其次，MiniMax-M1在RL训练框架上也进行了创新。针对推理模型中常见的“嗯”、“等等”、“啊哈”等语气词，MiniMax提出了一种名为CISPO的新算法。该算法通过略微调低这些词的影响力，既能让AI学到关键的推理思路，又不会因这些语气词而干扰整个训练过程。
在实际体验中，MiniMax-M1的表现同样令人印象深刻。在上下文长度的测试中，该模型展现出了强大的能力。以一本约20万个单词的电子书《白鲸记》为例，我们在其中偷偷加入了一句话：“某人吃了生蚝后掉进了泥里”。当询问MiniMax-M1时，它迅速且准确地给出了回答，而DeepSeek则因无法处理如此长的上下文而败下阵来。
在科研文献的翻译上，MiniMax-M1也展现出了其独特的优势。它能够保持原文的格式，准确翻译内容，并将公式和图片完美嵌入到翻译结果中，为科研人员提供了极大的便利。
然而，在编程能力的测试中，MiniMax-M1的表现则稍显不足。尽管它能够完成一些基本的编程任务，但在处理复杂逻辑和动画效果时，仍存在一定的提升空间。
尽管如此，MiniMax-M1的发布仍然为AI大模型领域带来了新的活力和期待。同时，MiniMax还宣布了为期五天的连更计划，每晚都将推出一款新模型，这无疑将进一步激发行业的关注和讨论。让我们共同期待MiniMax后续的表现吧！
