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 รจ un modello linguistico di grandi dimensioni compatto ed efficiente, ottimizzato per la programmazione end-to-end e i flussi di lavoro degli agenti, con 10 miliardi di parametri attivi (230 miliardi di parametri totali), con prestazioni vicine allo stato dell'arte nell'inferenza generale, nell'uso degli strumenti e nell'esecuzione di compiti multifase, mantenendo al contempo bassa latenza e alta efficienza di distribuzione. Il modello eccelle nella generazione di codice, nella modifica multi-file, nei cicli compila-esegui-correggi e nella correzione dei difetti durante la verifica dei test, ottenendo risultati eccellenti in benchmark quali SWE-Bench Verified, Multi-SWE-Bench e Terminal-Bench, e dimostrando competitivitร nella pianificazione di compiti di lunga durata, nel recupero delle informazioni e nel recupero dagli errori di esecuzione in valutazioni di agenti come BrowseComp e GAIA. Secondo la valutazione di Artificial Analysis, MiniMax-M2 si colloca ai vertici tra i modelli open source in ambiti di intelligenza generale quali matematica, inferenza scientifica e capacitร di seguire istruzioni. Il numero ridotto di parametri attivi consente inferenza rapida, elevata concorrenza e migliori unit economics, rendendolo ideale per la distribuzione su larga scala di agenti, strumenti di supporto per sviluppatori e applicazioni guidate dall'inferenza che richiedono velocitร di risposta ed efficienza dei costi.