Perbandingan Model
MiniMax-M2
vs
Ring-flash-2.0
28 Feb 2026
Harga
Input
$
0.3
/ M Tokens
$
0.14
/ M Tokens
Output
$
1.2
/ M Tokens
$
0.57
/ M Tokens
Metadata
Buat di
22 Okt 2025
19 Sep 2025
Lisensi
MIT
MIT LICENSE
Penyedia
MiniMaxAI
inclusionAI
Spesifikasi
Negara
Deprecated
Available
Arsitektur
Mixture of Experts
Mixture-of-Experts (MoE) with 1/32 expert activation ratio and MTP layers, featuring low activation and high sparsity design
Terkalibrasi
Tidak
Ya
Campuran Ahli
Ya
Ya
Total Parameter
230B
100B
Parameter yang Diaktifkan
10B
6.1B
Penalaran
Tidak
Tidak
Precision
FP8
FP8
Text panjang konteks
197K
131K
Max Tokens
131K
131K
Didukung Keberfungsian
Serverless
didukung
didukung
Serverless LoRA
Tidak didukung
Tidak didukung
Fine-tuning
Tidak didukung
Tidak didukung
Embeddings
Tidak didukung
Tidak didukung
Rerankers
Tidak didukung
Tidak didukung
Dukung Image Input
Tidak didukung
Tidak didukung
JSON Mode
didukung
Tidak didukung
Output Terstruktur
Tidak didukung
Tidak didukung
Alat
didukung
Tidak didukung
Fim Completion
Tidak didukung
Tidak didukung
Chat Prefix Completion
didukung
didukung
MiniMax-M2dalam Perbandingan
Lihat bagaimana MiniMax-M2membandingkan dengan model populer lainnya di berbagai dimensi kunci.
VS
MiniMax-M2.5
VS
Step-3.5-Flash
VS
MiniMax-M2.1
VS
Qwen3-VL-235B-A22B-Instruct
VS
Qwen3-VL-235B-A22B-Thinking
VS
Ring-flash-2.0
VS
Qwen3-Next-80B-A3B-Instruct
VS
Qwen3-Next-80B-A3B-Thinking
VS
gpt-oss-120b
VS
step3
VS
Qwen3-235B-A22B-Thinking-2507
VS
Qwen3-Coder-480B-A35B-Instruct
VS
Qwen3-235B-A22B-Instruct-2507
VS
Qwen2.5-VL-72B-Instruct
VS
Qwen2.5-72B-Instruct
VS
Qwen2.5-72B-Instruct-128K
VS
VS
