MiniMax 在推理模型賽道上的存在感不算高，但 M1 的成績單說明他們是認真在做事。
M1 的定位
M1 是 MiniMax 的推理模型系列，對標的是 OpenAI 的 o 系列和 DeepSeek 的 R1。核心能力集中在數學推理、程式碼生成和邏輯分析。
在 SWE-bench Verified 上，MiniMax M2.5（M1 的迭代版）拿到了 80.2%——排在 Claude Opus 4.5 和 Gemini 3.1 Pro 之後，比 GPT-5.2 還高 0.2 個百分點。這個成績放在全球範圍內屬於第一梯隊。
MoE 架構
M1 系列用的也是 MoE（混合專家）架構，和 DeepSeek、Qwen 的路線一致。在保持高參數量（大容量）的同時，控制實際推理時的計算開銷。
配合 Lightning Attention 技術，MiniMax 在長上下文推理場景下的性價比比較突出——同樣的任務，消耗的算力和時間更少。
低調策略
和其他國產大模型公司相比，MiniMax 的 PR 做得很克制。不太熱衷於發 benchmark 戰報和行銷稿，產品更新也不怎麼搞發布會。
這種風格有利有弊：好處是不會給人「吹牛」的印象，壞處是市場認知度不高。很多開發者甚至不知道 MiniMax 的模型已經能和頭部選手正面競爭了。
商業化路徑
MiniMax 的商業化走了 To C + API 雙路線：
- To C 端：海螺 AI 面向一般用戶
- API 端：提供開發者呼叫介面
這個策略和 Anthropic（純 API 起家後加 To C）、OpenAI（ChatGPT 先行再推 API）都不同。MiniMax 一開始就兩條腿走路，可能是因為作為相對小的玩家，需要多個收入來源來支撐研發。
參考來源：SWE-bench 排行榜、CocoLoop、MiniMax 官方 API 文件