1亿美金砍到50万！这家中国公司让训练成本暴跌200倍，算力公司要破产了

还记得半年前 DeepSeek 横空出世时的震撼吗？那个用不到 OpenAI 1/20 的成本就训练出顶级模型的"神话"，不仅让整个硅谷为之侧目，更是给国内的 AI 创业公司上了生动的一课——原来，大模型可以这样玩。

DeepSeek 冲击波下的转型之路

对于被称为"AI 六小龙"的 MINIMAX 来说，DeepSeek 的出现无异于一记当头棒喝。过去的剧本突然就讲不下去了：疯狂烧钱买算力，追着 OpenAI 的脚步跑，今天发个大模型，明天搞个视频生成...看起来很忙，但总感觉在原地打转。

投资人开始问："既然 DeepSeek 能用这么少的钱做出这么好的效果，你们之前烧的那些钱都去哪了？"用户开始问："既然有免费的 DeepSeek，我为什么还要付费用你们的 API？"

但 MINIMAX 的反应出人意料地迅速和果断。他们没有选择继续讲老故事，而是彻底换了剧本：从追逐热点转向硬核技术突破，从商业化优先转向开源优先，从模仿 OpenAI 转向对标 DeepSeek。

实际上，MiniMax 在今年 1 月份就推出了开源模型 Minimax-01，其中包括语言模型和视觉模型，但似乎反向平平。

半年的蛰伏与沉淀后，他们暂停了所有非核心项目，把最优秀的工程师都调到了一个神秘的项目上。

MiniMax-M1：半年磨一剑的技术突破

昨天，MINIMAX 终于交出了答卷——MiniMax-M1，他们宣称这是世界上第一个开源的大规模混合架构的推理模型。这不是一个匆忙的应景之作，而是一次深思熟虑的技术革新。

🚀 突破一：Lightning Attention - 超长文本处理

M1 原生支持100 万字符的超长文本处理，处理 10 万字文本时只需要其他模型 25% 的计算资源。这意味着可以一次性分析整本小说或研究报告，而不需要拆分处理。

⚡ 突破二：CISPO 算法 - 更聪明的学习方式

传统训练方法会忽略"不寻常"的学习过程，但 CISPO 算法不再丢弃任何"思考片段"，充分利用每个思维火花。实验显示，这种方法比传统方法快 2 倍，效果还更好。

💰 突破三：超低成本训练

仅用 53.74 万美元就完成了整个强化训练，相比 GPT-4 超过 1 亿美元的成本，M1 几乎是同等能力模型中最便宜的。这不是简单的"省钱"，而是技术效率的革命性提升。

需要说明的是，53.74 万美元并非模型的全部训练成本，而仅仅是强化学习阶段的费用。MINIMAX 表示他们仅用 512 块 H800 GPU 训练了三周就完成了这一阶段，这一效率比行业预期至少提升了一个数量级。

不过，与 DeepSeek 不同的是，MINIMAX 并未公布模型从预训练到最终完成的完整训练成本（不包括实验费用）。因此，53.74 万美元这个数字虽然令人印象深刻，但可能只是冰山一角。

实战表现：数据说话的硬实力

经过半年的技术沉淀，MiniMax-M1 在各个关键领域的表现如何？我们用一张完整的对比表来看看它与顶级模型的真实差距：

虽然 M1 把训练成本又下调了一个数量级，但在常见的指标测试中，这个模型并无一项能到最优。比较亮眼的是长文本能力，在 MRCR(128K) 测试中得分 73.4，仅次于 Gemini 2.5 Pro 的 76.8，在 LongBench-v2 中更是达到 61.5 的第二名成绩，可见 Lightning Attention 确实非常有效。

值得一提的是，M1 有两项指标超越了 DeepSeek R1，即数学方面的 AIME 2025（76.9 vs 70.0）以及编程能力方面的 LiveCodeBench（65.0 vs 55.9）。这表明 MINIMAX 在核心技术突破上确实有所建树。

尽管综合来看，这些指标并不算最亮眼，但作为第一款开源模型，在成本控制以及长文本处理方面有这么突出的创新，已经非常难能可贵了。

从跟随者到引领者的华丽转身

MINIMAX 的转型反映了 AI 行业的变化趋势。从追逐商业化到选择开源路线，从高成本训练到技术效率优化，这种策略调整与当前行业对成本控制和技术创新的重视相符。

开源模式正在 AI 领域获得更多关注。DeepSeek 的成功为行业提供了新的发展思路，而 MiniMax-M1 的发布进一步验证了这一方向的可行性。随着更多公司选择开源策略，行业竞争重心可能会从资本投入转向技术创新。

从追逐者到开拓者，MINIMAX 用半年时间完成了一次完美的转身。这一转变表明"AI 六小龙"已经开始探索新的发展路径。

算力泡沫破灭：一场正在发生的行业洗牌

从 1 亿美金到 50 万美金，训练成本在短短的 1 年时间内的暴跌，正在引发整个算力市场的剧烈震荡。这不仅仅是数字的变化，更是一场颠覆性的行业重构。

那些曾经疯狂囤积算力的公司，如今面临着尴尬的现实：昂贵的 GPU 集群突然变成了"负资产"。据业内消息，AI六小龙之中多家已经大量退卡，试图减少损失。

而一些专门提供算力租赁服务的供应商，更可能直接面临破产危机——当客户发现用更少的钱就能获得更好的效果时，谁还会为过时的"算力迷信"买单？

这场技术革命告诉我们：真正的护城河从来不是资源的堆砌，而是效率的突破。 在 AI 的下半场，拼的不再是谁烧钱更多，而是谁的技术更聪明。