关于MiniMax-M2.1
MiniMax-M2.1 是一个开源大语言模型，专门针对主动能力进行优化，擅长编码、工具使用、遵循指令和长期规划。它支持多语言软件开发和复杂的多步骤工作流程，在 SWE-bench Verified 上取得了74.0的成绩，并在多语言场景中超越了 Claude Sonnet 4.5
探索MiniMax-M2.1的代理能力、编码能力和长远规划如何在各类领域解决复杂的多步骤挑战。
多语言代码代理
自动化跨多种语言的全栈开发，从初始设计到部署处理复杂的多步骤编码任务。
用例示例：
"通过代理规划，在Python中开发了一个完整的电子商务后端和React前端，集成支付网关并部署到AWS。"
复杂工作流自动化
通过智能选择和使用各种工具及API设计并执行复杂的多步骤工作流以实现长期目标。
用例示例：
"自动化数据管道：从Salesforce获取数据，用自定义Python脚本进行清理，生成Tableau报告，并适应架构变化。"
主动系统修复
持续监控实时系统，识别性能瓶颈、安全漏洞和逻辑错误，然后生成并应用修复措施。
用例示例：
"检测到Go微服务中的竞争条件，自动生成互斥锁补丁，并将其部署到测试阶段进行验证。"
高级技术辅导
提供互动的分步指导，学习复杂的编程概念，调试学生代码，并建议最佳解决方案。
用例示例：
"指导学生构建PyTorch机器学习模型，解释层级，调试张量错误，并建议重构以提高效率。"
元数据
规格
州
Deprecated
建筑
校准的
不
专家混合
不
总参数
230B
激活的参数
230B
推理
不
精度
FP8
上下文长度
197K
最大输出长度
131K
与其他模型进行比较
看看这个模型与其他模型相比表现如何。
MiniMaxAI
chat
MiniMax-M2.5
发行日期：2026年2月15日
上下文长度：
197K
最大输出长度：
131K
Input:
$
0.3
/ M Tokens
Output:
$
1.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M2.1
发行日期：2025年12月23日
上下文长度：
197K
最大输出长度：
131K
Input:
$
0.29
/ M Tokens
Output:
$
1.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M2
发行日期：2025年10月28日
上下文长度：
197K
最大输出长度：
131K
Input:
$
0.3
/ M Tokens
Output:
$
1.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M1-80k
发行日期：2025年6月17日
上下文长度：
131K
最大输出长度：
131K
Input:
$
0.55
/ M Tokens
Output:
$
2.2
/ M Tokens
