關於MiniMax-M2
MiniMax-M2 重新定義了代理的效率。它是為編碼和代理任務中的精英表現而構建的緊湊、快速且具成本效益的 MoE 模型（總計 2300 億個參數，活躍參數 100 億），同時保持強大的通用智能。僅通過激活 100 億個參數，MiniMax-M2 提供了當今領先模型所期望的複雜的端到端工具使用性能，但採用精簡的外形設計使得部署和擴展比以往任何時候都更容易
探索MiniMax-M2的緊湊效率和強大代理智能如何在複雜的編碼、調試和自動化代理工作流程中表現出色。
高級代碼生成與重構
利用MiniMax-M2的高級編碼能力加速開發，處理多文件編輯、編碼-運行-修復循環，以及測試驗證修復，以實現高效的軟件交付。
範例：
"開發了一個新的用戶身份驗證模塊，用於Node.js應用程序，自動生成樣板，與現有數據庫架構集成，並修復集成測試。"
智能代理工作流程自動化
利用MiniMax-M2的代理性能編排複雜的多步工作流程，集成shell、瀏覽器、檢索和自定義代碼以實現無縫自動化。
範例：
"自動化部署機器學習模型，從通過網絡抓取獲取數據、在Python環境中訓練模型，到使用shell腳本部署到雲實例。"
跨堆棧調試與優化
利用MiniMax-M2來定位微妙的邏輯錯誤並提出性能優化建議，涉及多種編程語言和複雜技術棧，提高代碼質量。
範例：
"定位微服務架構中的關鍵延遲瓶頸，從C# API網關追溯到Python數據處理服務，並提出緩存策略。"
自動代碼與安全審計
部署MiniMax-M2進行代碼庫和系統配置的自動審計，通過推理邏輯依賴關係來識別不一致、漏洞和合規性差距。
範例：
"審計用Solidity編寫的智能合約，識別重入漏洞並建議安全模式實施，以防止潛在的財務損失。"
元數據
規格
狀態
Deprecated
架構
Mixture of Experts
經過校準的
否
專家並行
是
總參數
230B
啟用的參數
10B
推理
否
精度
FP8
上下文長度
197K
最大輸出長度
131K
與其他模型比較
看看這個模型與其他模型的對比如何。
MiniMaxAI
chat
MiniMax-M2.5
發行日期：2026年2月15日
總上下文：
197K
最大輸出：
131K
輸入：
$
0.3
/ M Tokens
輸出：
$
1.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M2.1
發行日期：2025年12月23日
總上下文：
197K
最大輸出：
131K
輸入：
$
0.29
/ M Tokens
輸出：
$
1.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M2
發行日期：2025年10月28日
總上下文：
197K
最大輸出：
131K
輸入：
$
0.3
/ M Tokens
輸出：
$
1.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M1-80k
發行日期：2025年6月17日
總上下文：
131K
最大輸出：
131K
輸入：
$
0.55
/ M Tokens
輸出：
$
2.2
/ M Tokens
