MiniMax-M2.7
MiniMax-M2.7 offers the same top-tier intelligence as the standard versionโincluding recursive self-evolution and expert-level office productivityโbut is designed for applications requiring sub-second latency and high-speed token generation. Leveraging an enhanced inference backbone architecture, its output speed is 66% faster than the standard model (reaching 100 tps). It is the preferred choice for interactive programming assistants, real-time agent loop execution, and high-throughput enterprise pipelines with stringent completion time requirements.
MiniMax M2.5
MiniMax-M2.5 is a SOTA large language model designed for real-world productivity. Trained in a diverse range of complex real-world digital working environments, M2.5 builds upon the coding expertise of M2.1 to extend into general office work, reaching fluency in generating and operating Word, Excel, and Powerpoint files, context switching between diverse software environments, and working across different agent and human teams.
MiniMax M2.1
MiniMax M2.1
MiniMax M2.1: Significantly Enhanced Multi-Language Programming, Built for Real-World Complex Tasks
minimax-m2
minimax-m2
minimax-m2 ist ein kompaktes und effizientes Large Language Model, optimiert fรผr End-to-End-Programmierung und Agenten-Workflows, mit 10 Milliarden aktiven Parametern (230 Milliarden Gesamtparametern). Es erreicht nahe am State-of-the-Art liegende Leistungen in allgemeiner Inferenz, Tool-Nutzung und mehrschrittiger Aufgabenausfรผhrung, bei gleichzeitig geringer Latenz und hoher Bereitstellungseffizienz. Das Modell รผberzeugt in Code-Generierung, Bearbeitung รผber mehrere Dateien, Compile-Run-Fix-Schleifen und Fehlerbehebung wรคhrend der Testverifikation, erzielt hervorragende Ergebnisse in Benchmarks wie SWE-Bench Verified, Multi-SWE-Bench und Terminal-Bench und zeigt Wettbewerbsfรคhigkeit bei der Aufgabenplanung mit langen Zyklen, der Informationsbeschaffung und der Behebung von Ausfรผhrungsfehlern in Agentenbewertungen wie BrowseComp und GAIA. Laut der Bewertung von Artificial Analysis rangiert MiniMax-M2 in der Spitzengruppe der Open-Source-Modelle in Bereichen umfassender Intelligenz wie Mathematik, wissenschaftlicher Inferenz und Befolgen von Anweisungen. Die geringe Anzahl aktiver Parameter ermรถglicht schnelle Inferenz, hohe Parallelitรคt und bessere Unit Economics, was es ideal fรผr groรangelegte Agentenbereitstellungen, Entwickler-Hilfstools und inferenzgetriebene Anwendungen macht, die Reaktionsgeschwindigkeit und Kosteneffizienz erfordern.