科技媒體《Wccftech》報導，MiniMax 與 DeepSeek 的算力規模，分別約相當於 7 萬顆及 4.7 萬顆輝達 H100 GPU，相較之下，OpenAI 約為 370 萬顆。不過，這些數字來自報導引用的社群估算，尚未獲得各家公司完整證實，統計口徑與可比性也有待釐清。

報導指出，MiniMax 最新模型在部分 AI 代理任務評測中，展現具競爭力的效能與成本表現；DeepSeek-V4.1-Flash-1017 則在程式開發任務上維持優勢。兩家公司各有所長，尚不能以單一測試結果判定全面領先。

DeepSeek 官方資料顯示，17 日推出的更新版本，在維持 API 價格不變的情況下，提高多項基準測試成績，並縮短任務執行時間及輸出長度。其中，DeepSWE v1.1 成績由前一版本的 74.2 升至 77.0，主打以更低成本、更快速度完成任務。

MiniMax 則將重點放在降低 AI 代理的實際使用門檻。

根據《Wccftech》整理，M3.1 Flash 採用混合專家架構 (MoE)，總參數量為 4,280 億，每次運算啟用約 230 億參數；每百萬輸入 token 收費 0.15 美元，輸出則為 0.60 美元。

為降低長文本處理負擔，模型採用 MiniMax 稀疏注意力機制 (MSA)，先篩選與當前任務較相關的資料區塊，再集中運算資源處理，減少逐一檢視完整上下文的需求。

報導指出，在特定長上下文條件下，這項設計可將注意力運算需求降至標準方法約 1/20，並加快輸入處理及文字生成。

不過，這項數據針對特定注意力運算環節，不能直接視為整個模型的總算力需求減少 95%。

除模型架構外，MiniMax 也透過 GPU 運算核心、記憶體配置與推測解碼等工程調整，提高硬體使用效率。

MiniMax 宣稱，新模型的線上推論速度接近原先的 3 倍，AI 代理任務成本降低 70%，並強化程式設計、電腦操作與資安能力。

這些進展也讓「模型蒸餾」再度成為討論焦點。

蒸餾是利用較強模型產生的答案或推理資料，訓練另一個模型，以較低成本學習特定能力；但是否涉及未經授權使用競爭對手輸出，仍須依資料來源與使用方式判斷。

分析指出，中國業者的算力限制，使其更有動機透過蒸餾取得訓練資料。不過，這仍屬報導分析，不能僅憑算力規模較小，就認定特定模型必然依賴美國業者的技術。

此報導另以 DeepSeek 新模型較少出現幻覺，質疑蒸餾是否足以解釋其進步。然而，幻覺率高低本身不足以證明或排除蒸餾，仍須進一步檢視訓練資料、方法與評測條件。

MiniMax 與 DeepSeek 的最新動向，凸顯 AI 競爭正同時圍繞模型能力、運算效率與使用成本展開。

中國業者能否持續縮小與美國龍頭的差距，仍有待更多獨立評測與實際應用驗證。