科技媒体《Wccftech》报导，MiniMax 与 DeepSeek 的算力规模，分别约相当于 7 万颗及 4.7 万颗辉达 H100 GPU，相较之下，OpenAI 约为 370 万颗。不过，这些数字来自报导引用的社群估算，尚未获得各家公司完整证实，统计口径与可比性也有待厘清。

报导指出，MiniMax 最新模型在部分 AI 代理任务评测中，展现具竞争力的性能与成本表现；DeepSeek-V4.1-Flash-1017 则在程序开发任务上维持优势。两家公司各有所长，尚不能以单一测试结果判定全面领先。

DeepSeek 官方数据显示，17 日推出的更新版本，在维持 API 价格不变的情况下，提高多项基准测试成绩，并缩短任务运行时间及输出长度。其中，DeepSWE v1.1 成绩由前一版本的 74.2 升至 77.0，主打以更低成本、更快速度完成任务。

MiniMax 则将重点放在降低 AI 代理的实际使用门槛。

根据《Wccftech》整理，M3.1 Flash 采用混合专家架构 (MoE)，总参数量为 4,280 亿，每次运算激活约 230 亿参数；每百万输入 token 收费 0.15 美元，输出则为 0.60 美元。

为降低长文本处理负担，模型采用 MiniMax 稀疏注意力机制 (MSA)，先筛选与当前任务较相关的数据区块，再集中运算资源处理，减少逐一查看完整上下文的需求。

报导指出，在特定长上下文条件下，这项设计可将注意力运算需求降至标准方法约 1/20，并加快输入处理及文本生成。

不过，这项数据针对特定注意力运算环节，不能直接视为整个模型的总算力需求减少 95%。

除模型架构外，MiniMax 也通过 GPU 运算内核、内存配置与推测解码等工程调整，提高硬件使用效率。

MiniMax 宣称，新模型的在线推论速度接近原先的 3 倍，AI 代理任务成本降低 70%，并强化编程、电脑操作与资安能力。

这些进展也让「模型蒸馏」再度成为讨论焦点。

蒸馏是利用较强模型产生的答案或推理数据，训练另一个模型，以较低成本学习特定能力；但是否涉及未经授权使用竞争对手输出，仍须依数据源与使用方式判断。

分析指出，中国业者的算力限制，使其更有动机通过蒸馏取得训练数据。不过，这仍属报导分析，不能仅凭算力规模较小，就认定特定模型必然依赖美国业者的技术。

此报导另以 DeepSeek 新模型较少出现幻觉，质疑蒸馏是否足以解释其进步。然而，幻觉率高低本身不足以证明或排除蒸馏，仍须进一步查看训练数据、方法与评测条件。

MiniMax 与 DeepSeek 的最新动向，凸显 AI 竞争正同时围绕模型能力、运算效率与使用成本展开。

中国业者能否持续缩小与美国龙头的差距，仍有待更多独立评测与实际应用验证。