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 เป็นโมเดลภาษาขนาดใหญ่ที่กะทัดรัดและมีประสิทธิภาพ ซึ่งได้รับการปรับแต่งสำหรับการเขียนโปรแกรมแบบ end-to-end และเวิร์กโฟลว์ของเอเจนต์ โดยมีพารามิเตอร์ที่ทำงานอยู่ 10 พันล้าน (พารามิเตอร์ทั้งหมด 230 พันล้าน) ให้ประสิทธิภาพใกล้เคียงระดับแนวหน้าของวงการในด้านการอนุมานทั่วไป การใช้เครื่องมือ และการดำเนินงานแบบหลายขั้นตอน พร้อมคงไว้ซึ่งความหน่วงต่ำและประสิทธิภาพในการปรับใช้สูง โมเดลนี้โดดเด่นในการสร้างโค้ด การแก้ไขหลายไฟล์ ลูป compile-run-fix และการแก้ไขข้อบกพร่องในการตรวจยืนยันด้วยการทดสอบ โดยทำผลงานยอดเยี่ยมบนชุดวัดผลอย่าง SWE-Bench Verified, Multi-SWE-Bench และ Terminal-Bench และแสดงความสามารถในการแข่งขันในด้านการวางแผนงานวงจรยาว การสืบค้นข้อมูล และการกู้คืนข้อผิดพลาดระหว่างการดำเนินการ ในการประเมินเอเจนต์อย่าง BrowseComp และ GAIA ตามการจัดอันดับโดย Artificial Analysis, MiniMax-M2 อยู่ในกลุ่มชั้นนำของโมเดลโอเพนซอร์ซในด้านสติปัญญาโดยรวม เช่น คณิตศาสตร์ การอนุมานทางวิทยาศาสตร์ และการปฏิบัติตามคำสั่ง จำนวนพารามิเตอร์ที่ทำงานอยู่ขนาดเล็กช่วยให้การอนุมานรวดเร็ว รองรับการทำงานพร้อมกันสูง และให้เศรษฐศาสตร์ต่อหน่วยที่ดีกว่า ทำให้เหมาะสำหรับการปรับใช้เอเจนต์ในขนาดใหญ่ เครื่องมือช่วยนักพัฒนา และแอปพลิเคชันที่ขับเคลื่อนด้วยการอนุมานซึ่งต้องการความเร็วในการตอบสนองและประสิทธิภาพด้านต้นทุน