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, uçtan uca programlama ve ajan iş akışları için optimize edilmiş, 10 milyar etkin parametreye (toplam 230 milyar parametre) sahip, kompakt ve verimli bir büyük dil modelidir; genel çıkarım, araç kullanımı ve çok adımlı görev yürütmede en ileri düzeye yakın performans sergilerken düşük gecikme ve yüksek dağıtım verimliliğini sürdürür. Model; kod üretimi, çok dosyalı düzenleme, derle-çalıştır-düzelt döngüleri ve test doğrulamada hata onarımı konularında üstündür; SWE-Bench Verified, Multi-SWE-Bench ve Terminal-Bench gibi kıyaslamalarda mükemmel sonuçlar elde eder ve BrowseComp ile GAIA gibi ajan değerlendirmelerinde uzun döngülü görev planlama, bilgi erişimi ve yürütme hatalarından toparlanmada rekabetçiliğini gösterir. Artificial Analysis tarafından değerlendirildiğinde, MiniMax-M2 matematik, bilimsel çıkarım ve yönerge takibi gibi kapsamlı zekâ alanlarında açık kaynak modeller arasında en üst dilimde yer alır. Küçük etkin parametre sayısı, hızlı çıkarım, yüksek eşzamanlılık ve daha iyi birim ekonomisi sağlar; bu da onu büyük ölçekli ajan dağıtımı, geliştiriciye yardımcı araçlar ve yanıt hızı ile maliyet verimliliği gerektiren çıkarım odaklı uygulamalar için ideal kılar.