MiniMax モデル

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 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: Significantly Enhanced Multi-Language Programming, Built for Real-World Complex Tasks

minimax-m2 は、コンパクトで高効率な大規模言語モデルであり、エンドツーエンドのプログラミングおよびエージェントのワークフローに最適化されています。10 billion のアクティブパラメータ（合計 230 billion パラメータ）を備え、一般的な推論、ツールの使用、マルチステップのタスク実行において最先端に近い性能を発揮しつつ、低レイテンシと高いデプロイ効率を維持します。 本モデルは、コード生成、複数ファイル編集、コンパイル→実行→修正のループ、テスト検証における欠陥修復に優れ、SWE-Bench Verified、Multi-SWE-Bench、Terminal-Bench などのベンチマークで優れた結果を達成し、さらに BrowseComp や GAIA といったエージェント評価において、長期サイクルのタスク計画、情報検索、実行エラー回復で競争力を示しています。 Artificial Analysis による評価では、MiniMax-M2 は数学、科学的推論、指示追従といった総合知能分野で、オープンソースモデルのトップ層に位置づけられています。 少ないアクティブパラメータ数により、高速な推論、高い同時実行性、優れたユニットエコノミクスを実現し、応答速度とコスト効率が求められる大規模エージェントの展開、開発者支援ツール、推論駆動型アプリケーションに最適です。