MiniMax开源M1模型，AI竞赛再升级
不知道还有多少人记得，AI行业的六小虎。行业内都在说，他们已经寂静好久了。上一次相关的项目发布，还是前一段时间我写的MiniMax声音模型的更新，Speech-02。而昨晚凌晨将近12点的时候，又是MiniMax，居然在X上，预告了他们一整周的发布计划。给我整不会了，不是，为什么总是选择这么阴间的时间点发布啊。。。而第一天（也就是昨天），发布了他们MiniMaxWeek的第一个项目：开源MiniMax首个推理模型M1。图片出手就开源，还是秀的，看看跑分。图片我先说结论：“MiniMaxM1的上下文能力
不知道还有多少人记得，AI行业的六小虎。
行业内都在说，他们已经寂静好久了。
上一次相关的项目发布，还是前一段时间我写的MiniMax声音模型的更新，Speech-02。
而昨晚凌晨将近12点的时候，又是MiniMax，居然在X上，预告了他们一整周的发布计划。
给我整不会了，不是，为什么总是选择这么阴间的时间点发布啊。。。
而第一天（也就是昨天），发布了他们MiniMax Week的第一个项目：开源MiniMax首个推理模型M1。
图片出手就开源，还是秀的，看看跑分。
图片我先说结论：“MiniMax M1的上下文能力，就现在全球最屌、最牛逼的、足以媲美Gemini 2.5 Pro的开源模型。”
我愿敬称为新一代源神。
在AIME 2024逻辑数学题目上（偏奥数思维）和LiveCodeBench编程题上、还有SWE-bench Verified（真实世界代码补全+修改），MiniMax M1的表现只能说中规中矩，有弱的、有强的。
而TAU-bench（需要理解任务目标、推理动机的场景），M1 准确率62.8%，开始媲美开源模型。
但是，最离谱的来了，最后一个，MRCR（4-needle）。
这个直接，屠榜了，真的就一瞬间，一柱擎天，直接跟Gemini2.5Pro肩并肩，我相信用过Gemini 2.5 pro的伙伴，都知道，这玩意的上下文有多离谱，而现在，MiniMax M1作为一个开源的大模型，首次，在这个评测集上，能跟Gemini 2.5 Pro并驾齐驱了。
我特么。。。
很多人不知道MRCR（4-needle）是个啥，我简单解释一下。
AI圈之前一直有一个测上下文能力的测试，叫做“大海捞针”。
我23年的这个测试刚出来的时候我就写过：花7000块实测Claude2.1 - 200K Token的超大杯效果究竟怎么样？
X上一个大佬Greg Kamradt，为了弄明白当年Claude2.1的200K Token，究竟实测效果怎么样，就调用Claude 的API做了个压力测试，从一段不同长度的文本中，捞出特定的信息，而这个测试，花了他1000美金。
这图我现在还有。
图片Claude-2.1当时红了一片，200K几乎没有蛋用，巨水无比。
而那一次，Kimi在我的文章下留言，说自己内部测了一下，全绿。
后面的故事，大家也就都知道了。
后来呢，Gemini觉得这个大海捞针测试太初级了，于是自己搓了一个新的测试方法，叫做Michelangelo。
图片在这个论文里，他们提出了Michelangelo的几个评估任务，有Latent List、IDK，而第三个，就是MRCR。
全称叫Multi-Round Co-reference Resolution，翻译成中文叫多轮共指消解，反正非常拗口。
它主要考察一个模型在处理较长的、多轮对话时，能否准确地理解和区分用户要求中具体指的是哪一次对话、哪一个内容。
比如用户和AI进行了一系列对话，用户要求AI写一些东西，比如诗、谜语、文章。在这些对话中，会刻意插入多个看起来类似的话题（比如多首关于企鹅的诗）。
然后再让AI回头去重新找到某一次特定的话，比如用户要求“再重复一遍第二首写企鹅的诗”，此时模型必须精准识别这个“第二首”指的具体是哪一次回答的内容。
这个事其实不简单，因为对话很长，涉及多个话题和文体，非常考验模型的上下文理解力。
已上传的图片有些内容在主题和格式上极其相似，比如“关于企鹅的第一首诗”和“关于企鹅的第二首诗”。模型必须能清晰区分、精准回溯。
后面OpenAI在发GPT-4.1的时候，也在blog里面提到，自己魔改了一个难度更高的MRCR的评测集，用来评估模型的上下文性能。
图片而“4-needle” 指的是，在同一段超长上下文里同时埋下 4 个“针”（关键信息片段），然后在后续对话里以交错的方式把这 4 根针全部翻出来。
在这个任务下，MiniMax-M1，吊打了一切，只跟Gemini 2.5 pro，差了那一点点的距离。
我翻了下技术报告，M1之所以在上下文有这个性能，核心点还是在于他们之前开源的基座模型MiniMax-01。
得益于MiniMax-01 Lightning Attention线性注意力机制的应用，M1的时间和空间复杂度随序列长度增加近似线性增长，不像传统Transformer那样呈平方级膨胀。
图片因为Lightning Attention机制，在推理生成长度64K token时，FLOPs消耗不到DeepSeek R1的一半。
当生成长度达到100K token时，M1仅消耗其约25%的FLOPs。
非常的离谱。
而这个MiniMax-M1，跟之前开源的基座模型MiniMax-01一样，也是456B参数，MoE架构，实际激活45.9B。
最长上下文长度为100万字，也就是1M，是DeepSeek-R1的8倍。
这次开源了两个上下文长度的推理模型，40K和80K。
图片80K版本是在40K版本基础上进一步训练得到的增强版本。
这里注意一下，80K和40K指的不是上下文长度，上下文长度是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的官网上也上线了。
图片网址在此，可以直接用。
https://chat.minimaxi.com/
我也第一时间，上去测了一下。
我的第一个任务，就让我开了眼，因为我只是，小小的尝试一下，没想到效果，比我预期的还要好，我直接把MiniMax-M1的技术报告扔了进去，让它，给我逐字翻译。
图片现在看着还比较正常对吧。
但是，马上，离谱的事情来了。
他居然把图，也给我...带出来了。。。
图片甚至不仅有图，还有，公式。
图片还把表格，直接拎出来翻译了。
图片这效果，这体验，真的无敌。
虽然中间，有部分的图表丢失，还没有达到100%的完整度，但是这个效果，也已经非常非常好了，关键的是文字，一个不落，全部都整整齐齐的给我翻译出来了。
最搞笑的是，他还自作主张，在最后，可能觉得参考文献翻译出来没什么用，直接自己给省略了。
图片我说实话，这个参考文献，占了5页，对我来说，确实没啥用。。。
在翻译上，我又试了一个更有趣的场景，我扔了一个文档过去，然后说：
“翻译成中文，在括号里标注一些符合我英语水平的原文英文词汇或短语。我英语水平是大学六级。”
图片太有意思了，这个上下文准确性，是真的牛逼。
然后我又做了一个测试，把我群里这一周的聊天记录，导出出去也扔给了MiniMax-M1，让他把绛烨的聊天记录都找出来。
图片他准确的识别除了绛烨的微信ID，然后找到了他的微信号，扒出了他的所有聊天记录。。。
图片这些链接，是真的能点的，我惊了，他还做了样式重构。。。
因为超长超准的上下文，你还可以，跟大模型玩一局，真正的文字冒险游戏，因为他不会忘记你的出身，他会记得，一切。
图片
图片推理模型+超长且精准上下文的扩充，确实会带来，很多不一样的花活玩法。
比如我还有一个特别狠的测试。
就是我手上有一个34个刘慈欣老师的小说的合集，因为大刘除了世人皆知的三体之外，他其实还写过特别多的科幻中短篇小说，也特别好看。
图片比如我最爱的《山》。
我现在，想把这些故事，安利给我的朋友们，我想，让AI根据这34个故事，每一个故事都写一段故事总结+推荐语。
这个任务，你要是扔给DeepSeek。
你就会得到一个非常离谱的提示，DeepSeek只阅读了8%。。。
图片而MiniMax-M1，出色的完成了任务。
超长上下文的魅力，此时体现的淋漓尽致。
不过我有一个更变态的任务，还是给MiniMax-M1干宕机了。
就是...我让它数本草纲目里一共有多少药材= =
数了8分钟，最后跟我说，有400中种，但其实答案是1892种= =
图片不过我也能理解，这个任务，确实实在是太变态了。。。
除了上下文之外，我也测了些写作、编程、数学。
写作和数学就不详细提了，写作这块中规中矩，数学的高考题实在没空完整做了，我觉得我需要抽空写一个脚本。
不过测了两道大题，目前是都对的。
最后稍微吐槽一下编程这块，就是前端审美，感觉还是有一些进步空间的。
就...有一点，不好看啊。
比如我昨天下午去参加了飞书多维表格的闭门会，会议特别有价值，我想做个可视化网页。
这是Gemini生成的。
图片这是M1生成的。
图片咱就是说，可以不这么直男审美的= =
总体来说，M1模型，还是让我有一点惊喜的，他们自己的新研究，确实卷出了一些很有意思的特性，也把开源领域的模型水平，又拔高了一个层级。
还有4天时间，我现在有点期待MiniMax会继续掏出什么有意思的大货了。
以我对MiniMax的了解，视频模型总归要来一个的吧，已经有一段时间没更新了，Video 01-Director已经是几个月前的事了。
你Hailuo 02（0616）都去打榜了，那你这5天里，得掏一下吧。
图片海螺的人物情绪表演、动作表演，至今依然是我心中的白月光。
极度期待Hailuo 02，在人物表演上，会带给我什么样的震撼。
声音模型估计不发新的了，因为一个月前Speech-02才发。
图片和3DMiniMax不做，那在掏个音乐模型？这个符合MiniMax的气质。
这一周，希望MiniMax尽情撒货吧。
让AI的这一把火。
烧的更热烈些。
>/ 作者：卡兹克
本文指导After Effects新手完成从打开软件到制作简单动画的完整流程。内容涵盖新建合成、导入素材、添加关键帧及预览验证，适用于AE基础学习。读者可依据步骤快速完成首个可播放的动效项目。
本文详解电影剪辑核心流程，从素材整理、镜头空间组织到叙事节奏压缩，再到J-cut/L-cut声音衔接技巧。通过粗剪保逻辑、精剪压停顿、反应镜头缓冲及电平统一检查，帮助创作者打造空间清晰、情绪连贯且听感自然的成片。
本文详解硬切、遮挡转场和运镜转场的适用场景与操作逻辑。通过对比三种转场的核心区别，提供基于素材条件和叙事目的的判断标准，帮助剪辑师避免滥用特效，掌握自然衔接画面的实战技巧。
本文指导GitLab新手完成创建项目并推送第一次提交的最小闭环。涵盖远程项目创建、本地仓库初始化、添加远程地址及执行git push。重点说明HTTPS与SSH认证差异、分支名（master/main）核对及提交验证标准，确保远程仓库真正建立。
本教程针对抖音竖屏视频制作，涵盖拍摄前构思、稳定运镜、粗剪筛选、音乐卡点及导出检查全流程。重点在于拍摄时预留字幕空间、利用动作节点辅助剪辑，以及通过鼓点对齐画面。适用于新手快速完成第一条完整成片，强调素材质量与节奏自然，避免过度特效与版权风险。
针对饭圈舞台照光线乱、噪点多、背景抢眼的痛点，本文提供“保脸、控光、突出主体”的修图方案。核心步骤包括：利用Lightroom降噪面板处理高ISO颗粒，控制曝光避免高光死白或脸部死黑；通过压低背景色彩、提升人物亮度与对比度来修正舞台灯光导致的肤色偏差；最后通过裁剪去除杂乱元素，确保人物主体清晰且肤色自然。
本文提供Photoshop完整安装指南，涵盖Windows/macOS系统要求、Creative Cloud客户端部署及常见启动故障排查。通过安装前磁盘与账号检查、安装中网络监控、安装后功能测试三步法，解决安装中断、登录失败及启动卡顿问题，确保软件稳定可用。
本文提供创维电视通过U盘安装第三方APK的完整操作指南。核心步骤包括：准备格式化的U盘与正规APK文件，在酷开系统“应用管理”中找到安装入口，临时开启“允许安装未知来源应用”权限，以及安装后的功能测试与权限关闭。适用于解决电视无法识别U盘、提示解析失败或权限受限等问题，确保安装安全且不影响系统稳定。
本教程演示如何在Excel中筛选大于指定数值的数据。核心步骤包括：确保数据连续、选中表头、通过“开始→排序和筛选”开启筛选，并在“数字筛选”中选择“大于”输入阈值。筛选仅隐藏不符合条件的行，不删除数据。完成后需逐行验证可见数据是否均大于阈值，并可通过取消筛选恢复全部数据。
本教程指导Creo初学者完成首个拉伸实体建模。通过新建零件、选择mmns_part_solid模板、定义草绘平面及绘制封闭轮廓，生成三维实体。内容涵盖操作路径、参数设置及常见错误排查，帮助新手建立正确的建模逻辑与单位概念。
Windows 10 是一款微软推出的经典操作系统，拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起，适合需要持续观察和微调设备状态的场景。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
