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 to kompaktowy i wydajny duży model językowy, zoptymalizowany pod kątem programowania end-to-end i przepływów pracy agentów, z 10 miliardami aktywnych parametrów (230 miliardów parametrów łącznie), osiągający wyniki zbliżone do najnowocześniejszych w zakresie ogólnego wnioskowania, korzystania z narzędzi oraz wykonywania zadań wieloetapowych, przy jednoczesnym zachowaniu niskich opóźnień i wysokiej efektywności wdrożeniowej. Model wyróżnia się w generowaniu kodu, edycji wielu plików, pętlach kompiluj-uruchom-napraw oraz naprawie defektów podczas weryfikacji testowej, osiągając doskonałe wyniki w benchmarkach takich jak SWE-Bench Verified, Multi-SWE-Bench i Terminal-Bench, a także wykazując konkurencyjność w planowaniu zadań o długim cyklu, wyszukiwaniu informacji i odzyskiwaniu po błędach wykonania w ewaluacjach agentów, takich jak BrowseComp i GAIA. Według ocen Artificial Analysis, MiniMax-M2 plasuje się w ścisłej czołówce otwartoźródłowych modeli w obszarach inteligencji ogólnej, takich jak matematyka, wnioskowanie naukowe i podążanie za instrukcjami. Niewielka liczba aktywnych parametrów umożliwia szybkie wnioskowanie, wysoką współbieżność i lepszą ekonomikę jednostkową, co czyni go idealnym do wdrożeń agentów na dużą skalę, narzędzi wspierających programistów oraz aplikacji opartych na wnioskowaniu, wymagających szybkości odpowiedzi i efektywności kosztowej.