MiniMax 推出了 MiniMax-M1，这是全球首个开源权重的大规模混合注意力推理模型。该模型基于其之前的 MiniMax-Text-01 架构构建，结合了专家混合（MoE）设计与闪电注意力机制，支持 100 万 token 上下文及高效的测试时计算扩展。

该模型拥有 4560 亿总参数，每个 token 激活 459 亿参数，在生成长度为 100K 时，其 FLOPs 消耗仅为 DeepSeek R1 的 25%。它采用大规模强化学习进行训练，并推出了具有 40K 和 80K 思考预算的两个新版本。实验表明，它在复杂软件工程、工具使用和长上下文任务上优于 DeepSeek-R1 和 Qwen3-235B 等模型。

MiniMax-M1 通过支持对长输入和广泛思考过程的高效推理，作为下一代语言模型智能体的基础。