MiniMax không có nhiều sự hiện diện trong lĩnh vực mô hình suy luận, nhưng bảng thành tích của M1 cho thấy họ đang làm việc nghiêm túc.
Định vị của M1
M1 là dòng mô hình suy luận của MiniMax, cạnh tranh trực tiếp với dòng o của OpenAI và R1 của DeepSeek. Năng lực cốt lõi tập trung vào suy luận toán học, sinh mã và phân tích logic.
Trên SWE-bench Verified, MiniMax M2.5 (phiên bản cải tiến của M1) đạt 80,2% — xếp sau Claude Opus 4.5 và Gemini 3.1 Pro, cao hơn GPT-5.2 0,2 điểm phần trăm. Kết quả này nằm trong nhóm dẫn đầu trên toàn cầu.
Kiến trúc MoE
Dòng M1 cũng sử dụng kiến trúc MoE (Hỗn hợp chuyên gia), cùng hướng đi với DeepSeek và Qwen. Kiến trúc này duy trì số lượng tham số lớn (dung lượng cao) trong khi kiểm soát chi phí tính toán khi suy luận thực tế.
Kết hợp với công nghệ Lightning Attention, MiniMax có lợi thế về hiệu suất chi phí trong các tác vụ suy luận ngữ cảnh dài — cùng một tác vụ, tiêu tốn ít sức mạnh tính toán và thời gian hơn.
Chiến lược khiêm tốn
So với các công ty mô hình lớn nội địa khác, MiniMax rất dè dặt trong PR. Họ không hào hứng đăng các báo cáo benchmark hay bài tiếp thị, và các bản cập nhật sản phẩm cũng không tổ chức sự kiện ra mắt.
Phong cách này có cả ưu và nhược điểm: ưu điểm là không tạo ấn tượng "khoe khoang", nhược điểm là mức độ nhận biết thị trường thấp. Nhiều nhà phát triển thậm chí không biết rằng mô hình của MiniMax đã có thể cạnh tranh trực tiếp với những đối thủ hàng đầu.
Lộ trình thương mại hóa
MiniMax thương mại hóa theo hướng To C + API song song:
- To C: Hailuo AI hướng đến người dùng phổ thông
- API: Cung cấp giao diện cho nhà phát triển
Chiến lược này khác với Anthropic (khởi đầu thuần API rồi mới thêm To C) và OpenAI (ChatGPT đi trước rồi mới đẩy API). MiniMax đi hai chân ngay từ đầu, có thể vì là một người chơi tương đối nhỏ, cần nhiều nguồn doanh thu để hỗ trợ nghiên cứu và phát triển.
Nguồn tham khảo: Bảng xếp hạng SWE-bench, CocoLoop, Tài liệu API chính thức của MiniMax