MiniMax发布新款开源大模型，称其性价比优于DeepSeek。6月17日，国内大模型独角兽MiniMax发布世界上榜首个开源的大规模混合架构的推理模型MiniMax-M1，这也是“MiniMaxW

　　MiniMax发布新款开源大模型
，最强M支称其性价比优于DeepSeek 。性价下文

　　6月17日，开源国内大模型独角兽MiniMax发布世界上榜首个开源的推理大规模混合架构的推理模型MiniMax-M1
 ，这也是模型“MiniMaxWeek”系列发布活动的首个对外发布。

　　据MiniMax介绍，撑最M1在面向生产力的高百杂乱场景中才能是开源模型中的最好一档 ，逾越国内的输入闭源模型 
，挨近海外的最强M支最抢先模型
，一起又有业界最高的性价下文性价比。

　　MiniMax发表，开源M1的推理优势是支撑现在业界最高的100万上下文的输入  ，和闭源模型里边的模型GoogleGemini2.5Pro相同，是撑最DeepSeekR1的8倍，以及业界最长的高百8万Token推理输出 。

　　此次MiniMaxM1的最大优势之一体现在本钱上。依据M1大模型剖析本身的技术优势显现，MiniMaxM1选用低本钱练习，仅用512块H800GPU三周时刻
，本钱53.47万美元（约385万元）。

　　MiniMax称，得益于以闪电注意力机制为主的混合架构 ，从而在核算长的上下文输入以及深度推理的时分显着高效
。依据归纳，在生成长度为10万tokens的场景下
，MiniMax-M1的核算量（FLOPs）为DeepSeekR1的25% ，在长文本处理使命中具有显着优势 。

　　据M1的剖析表明 ，MiniMaxM1的中心优势在于超长上下文处理才能和极低的算力耗费，一起在杂乱使命（如东西调用、长文本了解）中体现挨近乃至逾越DeepSeekR1，供给更灵敏的API定价战略，特别合适需求处理百万级token的场景（如法令文档剖析 、代码库了解）
。DeepSeekR1则在传统数学推理和编程基准测验中略占优势，但受限于上下文长度和核算功率，在长文本使命中显着落后M1。

　　价格方面，M1在MiniMaxAPP和Web上支撑不定量免费运用。在API方面
，榜首档0-32k的输入长度时 ，输入0.8元/百万token，输出8元/百万token；第二档32k-128k的输入长度时 ，输入1.2元/百万token
，输出16元/百万token；第三档128k-1M输入长度时
，输入2.4元/百万token ，输出24元/百万token。

　　值得注意的是
，DeepSeek已成为大模型厂商对标的“风向标” 。此前字节跳动旗下火山引擎最新发布豆包大模型1.6，创始按“输入长度”区间定价，深度考虑
 、多模态才能与根底言语模型一致价格，称其归纳本钱只要DeepSeekR1三分之一 ，每生成一条5秒的1080P视频只需3.67元 ，为职业最低。

　　不过 
，被视为团体竞争对手的DeepSeekR1也在继续晋级中
。5月29日
，据DeepSeek公告，DeepSeekR1模型已完结小版别晋级，当时版别为DeepSeek-R1-0528。用户经过官方网站、APP或小程序进入对话界面后，敞开“深度考虑”功用即可体会最新版别。API也已同步更新，调用方法不变。

　　新版DeepSeekR1针对“错觉”问题进行了优化。与旧版比较 ，更新后的模型在改写润饰、总结摘要
、阅览了解等场景中，错觉率下降45-50%左右，可以有效地供给更为精确 、牢靠的成果 。

　　从交际媒体的反应来看 ，网友最为重视的是此次DeepSeekR1更新后的考虑时刻变长 。据测评显现 ，此次DeepSeek单使命处理时长可达30-60分钟。