不知道還有多少人記得，AI 行業的六小虎。

行業內都在說，他們已經沉寂好久了。

上一次相關的項目發布，還是前一段時間我寫的 MiniMax 聲音模型的更新，Speech-02。

而前晚凌晨將近 12 點的時候，又是 MiniMax，居然在 X 上，預告了他們一整周的發布計劃。

給我整不會了，不是，為什么總是選擇這么陰間的時間點發布啊。。。

而第一天（也就是前天），發布了他們 MiniMax Week 的第一個項目：開源 MiniMax 首個推理模型 M1。

出手就開源，還是秀的，看看跑分。

我先說結論：“MiniMax M1 的上下文能力，是現在全球最厲害、最牛的、足以媲美 Gemini 2.5 Pro 的開源模型。”

我愿敬稱為新一代源神。

在 AIME 2024 邏輯數學題目上（偏奧數思維）和 LiveCodeBench 編程題上、還有 SWE-bench Verified（真實世界代碼補全+修改），MiniMax M1 的表現只能說中規中矩，有弱的、有強的。

而 TAU-bench（需要理解任務目標、推理動機的場景），M1 準確率 62.8%，開始媲美開源模型。

但是，最離譜的來了，最后一個，MRCR（4-needle）。

這個直接，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 Gemini 2.5 pro 的伙伴，都知道，這玩意的上下文有多離譜，而現在，MiniMax M1 作為一個開源的大模型，首次，在這個評測集上，能跟 Gemini 2.5 Pro 并駕齊驅了。

我特么。。。

很多人不知道 MRCR（4-needle）是個啥，我簡單解釋一下。

AI 圈之前一直有一個測上下文能力的測試，叫做“大海撈針”。

X 上一個大佬 Greg Kamradt，為了弄明白當年 Claude2.1 的 200K Token，究竟實測效果怎么樣，就調用 Claude 的 API 做了個壓力測試，從一段不同長度的文本中，撈出特定的信息，而這個測試，花了他 1000 美金。

這圖我現在還有。

Claude-2.1 當時紅了一片，200K 幾乎沒有蛋用，巨水無比。

而那一次，Kimi 在我的文章下留言，說自己內部測了一下，全綠。

后面的故事，大家也就都知道了。

后來呢，Gemini 覺得這個大海撈針測試太初級了，于是自己搓了一個新的測試方法，叫做 Michelangelo。

在這個論文里，他們提出了 Michelangelo 的幾個評估任務，有 Latent List、IDK，而第三個，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。

它主要考察一個模型在處理較長的、多輪對話時，能否準確地理解和區分用戶要求中具體指的是哪一次對話、哪一個內容。

比如用戶和 AI 進行了一系列對話，用戶要求 AI 寫一些東西，比如詩、謎語、文章。在這些對話中，會刻意插入多個看起來類似的話題（比如多首關于企鵝的詩）。

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“再重復一遍第二首寫企鵝的詩”，此時模型必須精準識別這個“第二首”指的具體是哪一次回答的內容。

這個事其實不簡單，因為對話很長，涉及多個話題和文體，非常考驗模型的上下文理解力。

有些內容在主題和格式上極其相似，比如“關于企鵝的第一首詩”和“關于企鵝的第二首詩”。模型必須能清晰區分、精準回溯。

后面 OpenAI 在發 GPT-4.1 的時候，也在 blog 里面提到，自己魔改了一個難度更高的 MRCR 的評測集，用來評估模型的上下文性能。

而“4-needle” 指的是，在同一段超長上下文里同時埋下 4 個“針”（關鍵信息片段），然后在后續對話里以交錯的方式把這 4 根針全部翻出來。

在這個任務下，MiniMax-M1，吊打了一切，只跟 Gemini 2.5 pro，差了那一點點的距離。

我翻了下技術報告，M1 之所以在上下文有這個性能，核心點還是在于他們之前開源的基座模型 MiniMax-01。

得益于 MiniMax-01 Lightning Attention 線性注意力機制的應用，M1 的時間和空間復雜度隨序列長度增加近似線性增長，不像傳統 Transformer 那樣呈平方級膨脹。

因為 Lightning Attention 機制，在推理生成長度 64K token 時，FLOPs 消耗不到 DeepSeek R1 的一半。

當生成長度達到 100K token 時，M1 僅消耗其約 25%的 FLOPs。

非常的離譜。

而這個 MiniMax-M1，跟之前開源的基座模型 MiniMax-01 一樣，也是 456B 參數，MoE 架構，實際激活 45.9B。

最長上下文長度為 100 萬字，也就是 1M，是 DeepSeek-R1 的 8 倍。

這次開源了兩個上下文長度的推理模型，40K 和 80K。

80K 版本是在 40K 版本基礎上進一步訓練得到的增強版本。

這里注意一下，80K 和 40K 指的不是上下文長度，上下文長度是 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 的官網上也上線了。

網址在此，可以直接用。

網址：https://chat.minimaxi.com/

我也第一時間，上去測了一下。

我的第一個任務，就讓我開了眼，因為我只是，小小的嘗試一下，沒想到效果，比我預期的還要好，我直接把 MiniMax-M1 的技術報告扔了進去，讓它，給我逐字翻譯。

現在看著還比較正常對吧。

但是，馬上，離譜的事情來了。

他居然把圖，也給我...帶出來了。。。

甚至不僅有圖，還有，公式。

還把表格，直接拎出來翻譯了。

這效果，這體驗，真的無敵。

雖然中間，有部分的圖表丟失，還沒有達到 100%的完整度，但是這個效果，也已經非常非常好了，關鍵的是文字，一個不落，全部都整整齊齊的給我翻譯出來了。

最搞笑的是，他還自作主張，在最后，可能覺得參考文獻翻譯出來沒什么用，直接自己給省略了。

我說實話，這個參考文獻，占了 5 頁，對我來說，確實沒啥用。。。

在翻譯上，我又試了一個更有趣的場景，我扔了一個文檔過去，然后說：

“翻譯成中文，在括號里標注一些符合我英語水平的原文英文詞匯或短語。我英語水平是大學六級。”

太有意思了，這個上下文準確性，是真的牛逼。

然后我又做了一個測試，把我群里這一周的聊天記錄，導出出去也扔給了 MiniMax-M1，讓他把絳燁的聊天記錄都找出來。

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

這些鏈接，是真的能點的，我驚了，他還做了樣式重構。。。

因為超長超準的上下文，你還可以，跟大模型玩一局，真正的文字冒險游戲，因為他不會忘記你的出身，他會記得，一切。

推理模型+超長且精準上下文的擴充，確實會帶來，很多不一樣的花活玩法。

比如我還有一個特別狠的測試。

就是我手上有一個 34 個劉慈欣老師的小說的合集，因為大劉除了世人皆知的三體之外，他其實還寫過特別多的科幻中短篇小說，也特別好看。

比如我最愛的《山》。

我現在，想把這些故事，安利給我的朋友們，我想，讓 AI 根據這 34 個故事，每一個故事都寫一段故事總結+推薦語。

這個任務，你要是扔給 DeepSeek。

你就會得到一個非常離譜的提示，DeepSeek 只閱讀了 8%。。。

而 MiniMax-M1，出色的完成了任務。

超長上下文的魅力，此時體現的淋漓盡致。

不過我有一個更變態的任務，還是給 MiniMax-M1 干宕機了。

就是...我讓它數本草綱目里一共有多少藥材= =

數了 8 分鐘，最后跟我說，有 400 中種，但其實答案是 1892 種= =

不過我也能理解，這個任務，確實實在是太變態了。。。

除了上下文之外，我也測了些寫作、編程、數學。

寫作和數學就不詳細提了，寫作這塊中規中矩，數學的高考題實在沒空完整做了，我覺得我需要抽空寫一個腳本。

不過測了兩道大題，目前是都對的。

最后稍微吐槽一下編程這塊，就是前端審美，感覺還是有一些進步空間的。

就...有一點，不好看啊。

比如我昨天下午去參加了飛書多維表格的閉門會，會議特別有價值，我想做個可視化網頁。

這是 Gemini 生成的。

這是 M1 生成的。

咱就是說，可以不這么直男審美的= =

總體來說，M1 模型，還是讓我有一點驚喜的，他們自己的新研究，確實卷出了一些很有意思的特性，也把開源領域的模型水平，又拔高了一個層級。

還有 4 天時間，我現在有點期待 MiniMax 會繼續掏出什么有意思的大貨了。

以我對 MiniMax 的了解，視頻模型總歸要來一個的吧，已經有一段時間沒更新了，Video 01-Director 已經是幾個月前的事了。

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，會帶給我什么樣的震撼。

聲音模型估計不發新的了，因為一個月前 Speech-02 才發。

圖片和 3DMiniMax 不做，那在掏個音樂模型？這個符合 MiniMax 的氣質。

這一周，希望 MiniMax 盡情撒貨吧。

讓 AI 的這一把火。

燒得更熱烈些。