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 es un modelo de lenguaje grande compacto y eficiente, optimizado para programaciรณn de extremo a extremo y flujos de trabajo de agentes, con 10 mil millones de parรกmetros activos (230 mil millones de parรกmetros en total), que ofrece un rendimiento cercano al estado del arte en inferencia general, uso de herramientas y ejecuciรณn de tareas de mรบltiples pasos, al tiempo que mantiene baja latencia y alta eficiencia de despliegue. El modelo sobresale en generaciรณn de cรณdigo, ediciรณn de mรบltiples archivos, bucles de compilar-ejecutar-corregir y correcciรณn de defectos en la verificaciรณn de pruebas, logrando resultados excelentes en benchmarks como SWE-Bench Verified, Multi-SWE-Bench y Terminal-Bench, y demostrando competitividad en la planificaciรณn de tareas de ciclo largo, la recuperaciรณn de informaciรณn y la recuperaciรณn ante errores de ejecuciรณn en evaluaciones de agentes como BrowseComp y GAIA. Segรบn la calificaciรณn de Artificial Analysis, MiniMax-M2 se sitรบa en el nivel superior de los modelos de cรณdigo abierto en รกreas de inteligencia integral como matemรกticas, inferencia cientรญfica y seguimiento de instrucciones. Su reducido nรบmero de parรกmetros activos permite inferencia rรกpida, alta concurrencia y mejor economรญa unitaria, lo que lo hace ideal para el despliegue de agentes a gran escala, herramientas auxiliares para desarrolladores y aplicaciones impulsadas por la inferencia que requieren velocidad de respuesta y eficiencia en costos.