約MiniMax-M2.1
MiniMax-M2.1は、エージェント機能に最適化されたオープンソースの大型言語Modelであり、コーディング、ツールの使用、指示の遵守、長期間の計画に優れています。多言語のソフトウェア開発と複雑な多段階のワークフローをサポートし、多言語シナリオではSWE-bench Verifiedで74.0を達成し、Claude Sonnet 4.5を凌駕しています。
MiniMax-M2.1の主体的な能力、コーディング技術、および長期計画が、多様なドメインで複雑なマルチステップの課題をどのように解決するかを発見します。
多言語コードエージェント
初期設計からデプロイメントまで、多様な言語をマスターし複雑なマルチステップコーディングタスクを処理するフルスタック開発を自動化します。
ユースケース例：
"Pythonでの完全なeコマースバックエンドとReactフロントエンドを開発し、決済ゲートウェイを統合してAWSにデプロイしました。すべて主体的な計画によって。"
複雑なワークフロー自動化
多様なツールとAPIを賢く選択して使用しながら、複雑で多段階のワークフローを設計して実行し、長期的な目標を達成します。
ユースケース例：
"データパイプラインを自動化：Salesforceからデータを取得し、カスタムPythonスクリプトでクリーンし、Tableauレポートを生成し、スキーマ変更に適応しました。"
プロアクティブなシステム改善
ライブシステムを継続的に監視し、パフォーマンスのボトルネック、セキュリティの欠陥、および論理エラーを特定し、修正を生成して適用します。
ユースケース例：
"Goマイクロサービスでレースコンディションを検出し、ミューテックスパッチを自動生成して検証のためにステージングにデプロイしました。"
高度な技術指導
複雑なプログラミング概念を学ぶためのインタラクティブで段階的なガイダンスを提供し、学生のコードをデバッグし、最適な解決策を提案します。
ユースケース例：
"生徒がPyTorch MLモデルを構築するのを指導し、レイヤーを説明し、テンソルエラーをデバッグし、効率向上のためのリファクタリングを提案しました。"
メタデータ
仕様
州
Deprecated
建築
Transformer
キャリブレートされた
いいえ
専門家の混合
いいえ
合計パラメータ
230B
アクティブ化されたパラメータ
230B
推論
いいえ
Precision
FP8
コンテキスト長
197K
Max Tokens
131K
他のModelsと比較
他のモデルに対してこのModelがどのように比較されるかを見てください。
MiniMaxAI
chat
MiniMax-M2.1
Total Context:
197K
Max output:
131K
Input：
$
0.29
/ M Tokens
Output:
$
1.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M2
Total Context:
197K
Max output:
131K
Input：
$
0.3
/ M Tokens
Output:
$
1.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M1-80k
Total Context:
131K
Max output:
131K
Input：
$
0.55
/ M Tokens
Output:
$
2.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M3
Total Context:
1049K
Max output:
131K
Input：
$
0.3
/ M Tokens
Output:
$
1.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M2.5
Total Context:
197K
Max output:
Input：
$
0.3
/ M Tokens
Output:
$
1.2
/ M Tokens
