MiniMax：把线性注意力做成标签
当大家都在 Transformer 上做微调时，MiniMax 选择改造注意力本身——为的是让超长上下文真的便宜到能用。
| 厂商 | MiniMax，2021 年成立 |
| 文本家族 | M2.1 / M2.5 / M2.7 / MiniMax-M3（1M 上下文，开放权重） |
| 其他能力 | 语音（Speech 2.8 系列）、视频（MiniMax-H3）、图像生成 |
| 产品 | 海螺 AI（视频/音频创作）、星野与 Talkie（AI 角色对话） |
| 标签 | 线性注意力超长上下文开源语音 |
一、为什么要跟注意力机制较劲
标准注意力在长序列上的计算量和显存占用是平方级增长的：上下文从 32K 涨到 1M，代价不是 30 倍，而是几百倍。线性注意力把复杂度压回线性，代价通常是精度上要更努力地补回来。
MiniMax 从早期 abab 系列就在这条路上投入，用「线性注意力 + 混合专家」的组合做出过超长上下文（官方曾给出数百万 token 级窗口）的模型，并把一部分权重开放出来。后来的 M2.1、M2.5 明确标注为「旗舰级开源大模型」，M3 则把窗口稳定在 1M 这一档。
对用户的实际意义很直接：如果你要做长文档批量处理、整库代码理解、长时间对话记忆这类任务，单位 token 成本会比走标准注意力的模型低不少。
二、家族与价格
| 模型 | 定位 | 上下文 | 输入 / 输出（元/百万 tokens） |
|---|---|---|---|
MiniMax-M3 | 当前旗舰 | 1M | 4.2 / 16.8（缓存 0.84） |
| M2.7 / M2.5 / M2.1 | 前代开源主力 | — | 以平台为准 |
| MiniMax Speech 2.8 | 语音合成（hd / turbo） | — | 按字符/时长计费 |
| MiniMax-H3 | 视频生成 | — | 按生成时长计费 |
价格锚点（百炼刊例价，2026-09）：M3 输入 4.2 / 输出 16.8，缓存命中 0.84，1M 上下文。这个价位在旗舰档里相当有竞争力——比 Qwen3.8-Max 和 DeepSeek-V4-Pro 的输入价还低。
三、不止是文本模型
MiniMax 的商业化更像一家内容工具公司：海螺 AI 做视频与音频生成，星野 / Talkie 做 AI 角色陪伴（在海外市场很受欢迎），语音合成则是国内第一梯队，被大量硬件与客服产品使用。文本模型在这里的角色，一部分是支撑自家产品，一部分是对外提供 API。
四、适合与不适合
适合：长上下文且成本敏感的批处理任务；需要语音合成、视频生成配套的一站式方案；想做 AI 角色/陪伴类产品，可以参考它在这块的成熟度。
要注意：线性注意力在「超长序列精确检索」这类任务上未必优于标准注意力架构，做关键业务前请用你自己的长文档做压测（尤其是「大海捞针」式的信息定位）。另外同一名字在不同平台的版本节奏不同，注意核对具体快照。
本页整理于 2026-09，依据 MiniMax 官方开源组织（MiniMax-AI 下的 MCP、code、插件仓库）、阿里云百炼模型目录中的 M 系列 / Speech 系列 / H 系列条目。