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 ialah model bahasa besar yang padat dan cekap, dioptimumkan untuk pengaturcaraan hujung ke hujung dan aliran kerja ejen, dengan 10 bilion parameter aktif (230 bilion jumlah parameter), berprestasi hampir setaraf dengan tercanggih dalam inferens umum, penggunaan alat dan pelaksanaan tugas berbilang langkah, sambil mengekalkan latensi rendah dan kecekapan penyebaran yang tinggi. Model ini cemerlang dalam penjanaan kod, penyuntingan berbilang fail, kitaran kompilasi-jalankan-baiki, dan pembaikan kecacatan dalam pengesahan ujian, mencapai keputusan cemerlang dalam penanda aras seperti SWE-Bench Verified, Multi-SWE-Bench dan Terminal-Bench, serta menunjukkan daya saing dalam perancangan tugas kitaran panjang, pengambilan maklumat dan pemulihan ralat pelaksanaan dalam penilaian ejen seperti BrowseComp dan GAIA. Dinilai oleh Artificial Analysis, MiniMax-M2 berada dalam kelompok teratas model sumber terbuka dalam bidang kecerdasan menyeluruh seperti matematik, inferens saintifik dan keupayaan mengikuti arahan. Bilangan parameter aktifnya yang kecil membolehkan inferens pantas, keserentakan tinggi dan ekonomi unit yang lebih baik, menjadikannya ideal untuk penyebaran ejen berskala besar, alat bantuan pembangun dan aplikasi didorong inferens yang memerlukan kelajuan respons serta kecekapan kos.