MiniMax는 추론 모델 분야에서 존재감이 크지 않았지만, M1의 성적표는 이들이 진지하게 일하고 있음을 보여준다.
M1의 포지셔닝
M1은 MiniMax의 추론 모델 시리즈로, OpenAI의 o 시리즈와 DeepSeek의 R1을 겨냥한다. 핵심 역량은 수학 추론, 코드 생성, 논리 분석에 집중되어 있다.
SWE-bench Verified에서 MiniMax M2.5(M1의 개선 버전)는 80.2%를 기록했다——Claude Opus 4.5와 Gemini 3.1 Pro에 이어 GPT-5.2보다 0.2%포인트 높은 수치다. 이 성적은 글로벌 1위 그룹에 속한다.
MoE 아키텍처
M1 시리즈 역시 MoE(혼합 전문가) 아키텍처를 사용하며, DeepSeek 및 Qwen과 동일한 방식을 따른다. 높은 파라미터 수(대용량)를 유지하면서 실제 추론 시 계산 비용을 제어한다.
Lightning Attention 기술과 결합하여 MiniMax는 긴 컨텍스트 추론 시나리오에서 비용 효율성이 두드러진다——동일한 작업에 대해 더 적은 연산 자원과 시간을 소비한다.
저자세 전략
다른 국산 대규모 모델 기업들과 비교할 때 MiniMax의 PR은 매우 절제되어 있다. 벤치마크 성적표나 마케팅 기사를 적극적으로 발행하지 않으며, 제품 업데이트도 기자회견을 거의 열지 않는다.
이러한 스타일에는 장단점이 있다: 장점은 '허풍'이라는 인상을 주지 않는다는 점이고, 단점은 시장 인지도가 낮다는 점이다. 많은 개발자들이 MiniMax의 모델이 이미 최상위 경쟁자와 정면 승부를 벌일 수 있다는 사실조차 모르고 있다.
상업화 경로
MiniMax의 상업화는 To C + API 이중 경로로 진행된다:
- To C: Hailuo AI가 일반 사용자 대상
- API: 개발자 호출 인터페이스 제공
이 전략은 Anthropic(순수 API로 시작한 후 To C 추가)이나 OpenAI(ChatGPT 우선 후 API 확장)와 모두 다르다. MiniMax가 처음부터 두 다리로 걷는 이유는 상대적으로 작은 플레이어로서 연구개발을 지원할 여러 수익원이 필요하기 때문일 것이다.
출처: SWE-bench 리더보드, CocoLoop, MiniMax 공식 API 문서