MiniMax-M2.7
MiniMax-M2.7 offers the same top-tier intelligence as the standard version—including recursive self-evolution and expert-level office productivity—but 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 est un grand modèle de langage compact et efficace, optimisé pour la programmation de bout en bout et les workflows d’agents, doté de 10 milliards de paramètres actifs (230 milliards de paramètres au total), offrant des performances proches de l’état de l’art en inférence générale, en utilisation d’outils et en exécution de tâches à plusieurs étapes, tout en maintenant une faible latence et une grande efficacité de déploiement. Le modèle excelle en génération de code, en édition multi-fichiers, dans les boucles compiler-exécuter-corriger et dans la correction des défauts lors de la vérification par tests, obtenant d’excellents résultats sur des benchmarks tels que SWE-Bench Verified, Multi-SWE-Bench et Terminal-Bench, et faisant preuve de compétitivité en planification de tâches à long cycle, en recherche d’information et en récupération après erreurs d’exécution dans des évaluations d’agents comme BrowseComp et GAIA. Selon Artificial Analysis, MiniMax-M2 se classe parmi les meilleurs modèles open source dans des domaines d’intelligence globale tels que les mathématiques, l’inférence scientifique et le suivi d’instructions. Son faible nombre de paramètres actifs permet une inférence rapide, une forte simultanéité et de meilleures économies unitaires, ce qui en fait un choix idéal pour le déploiement à grande échelle d’agents, les outils d’assistance aux développeurs et les applications pilotées par l’inférence nécessitant rapidité de réponse et efficacité en termes de coûts.