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-m2는 엔드투엔드 프로그래밍과 에이전트 워크플로우에 최적화된 소형·고효율 대규모 언어 모델로, 10 billion 활성 파라미터(230 billion total parameters)를 갖추었으며, 일반적 추론, 도구 사용, 다단계 작업 실행에서 최첨단에 가까운 성능을 보이는 동시에 낮은 지연시간과 높은 배포 효율성을 유지합니다. 이 모델은 코드 생성, 다중 파일 편집, 컴파일-실행-수정 루프, 테스트 검증에서의 결함 수정에 뛰어나며, SWE-Bench Verified, Multi-SWE-Bench, Terminal-Bench 등의 벤치마크에서 우수한 결과를 달성했고, BrowseComp 및 GAIA와 같은 에이전트 평가에서 장주기 작업 계획, 정보 검색, 실행 오류 복구 측면의 경쟁력을 입증했습니다. Artificial Analysis의 평가에 따르면, MiniMax-M2는 수학, 과학적 추론, 지시 따르기 등 종합 지능 영역에서 오픈소스 모델 상위권에 속합니다. 작은 활성 파라미터 수는 빠른 추론, 높은 동시성, 더 나은 단위 경제성을 가능하게 하여, 대규모 에이전트 배포, 개발자 보조 도구, 응답 속도와 비용 효율을 요구하는 추론 기반 애플리케이션에 이상적입니다.