Назад к моделям

MiniMax M2

minimaxminimax/m2

MiniMax M2 is a MoE model blending frontier-level intelligence with efficient active parameters. Engineered for AI agents with strong reasoning, coding, and multilingual performance. Ideal for general-purpose chat/coding, tool use, and high-throughput inference.

MiniMax M2 — open-weight MoE-модель (Mixture of Experts), выпущенная в конце октября 2025 года, созданная для кодинга и агентских рабочих процессов. Имеет 230 миллиардов параметров, но активирует лишь 10 миллиардов на токен, обеспечивая отличный баланс между производительностью и эффективностью инференса — та же базовая архитектура перешла в преемники M2.1, M2.5 и M2.7. На момент релиза M2 была самой производительной open-weight моделью в композитном бенчмарке Artificial Analysis, особенно сильна в SWE-bench-задачах кодинга и длительных сценариях tool-use (shell, браузер, поиск, раннер кода).

Для оператора TheRouter M2 занимает уникальное положение: это фундаментальный релиз семейства M2, доказавший, что MoE с 10B активных параметров может конкурировать с frontier-моделями в кодинге и агентских задачах. Хотя младшие версии (M2.1, M2.5, M2.7) последовательно улучшались, M2 остаётся хорошо документированным базовым релизом — первой open-weight моделью, доказавшей, что архитектура с менее чем 20B активных параметров способна на frontier-уровень SWE-bench (69,4% Verified), BrowseComp (44,0%) и сильный GAIA text-only (75,7%). Новые агенты следует нацеливать на M2.5 или M2.7, но M2 полезен для регрессионного кросс-версионного тестирования, академических базовых линий и развёртываний, где нужно конкретное известное поведение M2.

Когда выбирать
  • • Open-weight SWE-bench baseline — M2 достиг 69,4% на SWE-bench Verified при запуске, возглавив рейтинг open-weight моделей и доказав, что MoE-архитектуры с 10B активных параметров могут конкурировать в реальных задачах редактирования репозиториев
  • • Длинные агентские цепочки действий — модель планирует и выполняет сложные последовательности в shell, браузере, поиске и раннере кода, что подтверждается 44,0% на BrowseComp и 75,7% на GAIA (text-only)
  • • Мультиязычная разработка ПО — 56,5% на SWE-bench Multilingual и 36,2% на Multi-SWE-Bench (scaffold claude-code), покрывая Rust, Java, Golang, C++ и другие языки
  • • Экономичный агентский инференс в масштабе — MoE с 10B активных параметров обеспечивает более низкую TTFB и более высокий параллельный throughput по сравнению с dense-моделями сопоставимой мощности, что делает её экономичной для высокообъёмных агентских задач
Когда не выбирать
  • • Новые проекты кодинг-агентов — M2.1 (декабрь 2025), M2.5 (февраль 2026) и M2.7 (апрель 2026) последовательно улучшены; новые интеграции начинайте с M2.5 как рекомендованного входного релиза текущего поколения
  • • Глубокие конкурсные задачи по математике — AIME25 на 78,0% достойно, но значительно уступает DeepSeek V3.2 (88,0%) или Qwen3-235B-thinking для математических задач
  • • Задачи vision или мультимодальные — M2 только text-in / text-out; мультимодальные запросы направляйте на doubao-seed-2.0-vision, qwen3-vl или gpt-image-1.5
Размер контекста
205K
Максимальный вывод
66K
Цена Входза 1M токенов
$0.324за 1 млн токенов
Цена Выходза 1M токенов
$1.30за 1 млн токенов

Модальности

Текст→Текст

Разбивка цен

ТипСтавка
Вход$0.324 за 1 млн токенов
Выход$1.30 за 1 млн токенов

Поддерживаемые параметры

temperaturemax_tokenstop_ptoolstool_choiceresponse_formatstop

Характеристики

Дата релиза2025-10-27github.com ↗проверено
Архитектура230B всего / 10B активных — MoE (Mixture of Experts); Transformer backbonegithub.com ↗проверено
Дата отсечения данныхНе раскрытонеизвестно
ЛицензияOpen-weight (коммерческое использование разрешено; пермиссивная лицензия, похожая на Modified-MIT)huggingface.co ↗к проверке
Поддерживаемые backend инференсаSGLang, vLLM, Transformers, MLX-LM, KTransformersgithub.com ↗проверено
Преемник (M2.1)MiniMax M2.1 (декабрь 2025) — улучшены кодинг и tool-use; доступен на TheRouter как minimax/m2.1github.com ↗проверено
Последняя версия семейства (M2.7)MiniMax M2.7 (апрель 2026) — последнее поколение; доступна на TheRouter как minimax/m2.7openrouter.ai ↗проверено

Бенчмарки

BenchmarkDistributionScoreSource
SWE-bench Verified
OpenHands scaffold, 128k контекст, 100 макс. шагов, без тестового scaling
69.4%%github.com ↗
Multi-SWE-Bench
claude-code scaffold, 300 макс. шагов, ср. 8 прогонов
36.2github.com ↗
SWE-bench Multilingual
claude-code scaffold, 300 макс. шагов, ср. 8 прогонов
56.5github.com ↗
Terminal-Bench
claude-code scaffold, ср. 8 прогонов
46.3github.com ↗
BrowseComp
Фреймворк агента WebExplorer
44.0github.com ↗
BrowseComp-zh
Фреймворк WebExplorer, кит. поднабор
48.5github.com ↗
GAIA (text only)
103-примерный поднабор, WebExplorer
75.7%%github.com ↗
AIME25
Методология AA
78github.com ↗
MMLU-Pro
82github.com ↗
GPQA-Diamond
78github.com ↗
ArtifactsBench
Судья Gemini-2.5-Pro, ср. 3 прогона
66.8github.com ↗
LiveCodeBench (LCB)
83github.com ↗
xbench-DeepSearch
72github.com ↗
HLE (w/ tools)
31.8github.com ↗

Примеры API

Для новых интеграций используйте глобальный endpoint api.therouter.ai из примеров ниже; старый China accelerated endpoint выведен из эксплуатации.

cURL
curl https://api.therouter.ai/v1/chat/completions   -H "Content-Type: application/json"   -H "Authorization: Bearer $THE_ROUTER_API_KEY"   -d '{
    "model": "minimax/m2",
    "messages": [
      {"role": "user", "content": "Summarize the key points from this input."}
    ]
  }'

Chat completion

Используйте стандартный endpoint chat completions в стиле OpenAI с model id minimax/m2. Поддерживает tools и JSON mode через response_format.

cURL
curl https://api.therouter.ai/v1/chat/completions \
  -H "Authorization: Bearer $THEROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"minimax/m2","messages":[{"role":"user","content":"Write a Python function to merge two sorted arrays."}]}'

Ещё от minimax

Похожие модели

Аналоги в других провайдерах

Новости и изменения

2025-10-27

MiniMax открывает исходный код M2 — 230B MoE-модель для кодинга и агентов

MiniMax выпустила M2, 230B / 10B активных MoE-модель, возглавившую рейтинг open-weight моделей Artificial Analysis. Модель набрала 69,4% на SWE-bench Verified, 75,7% на GAIA text-only и конкурентоспособные результаты BrowseComp, используя всего 10B активных параметров для быстрого и экономичного инференса. M2 выпущена под пермиссивной open-weight лицензией, допускающей коммерческое использование.

переработано TheRoutergithub.com/MiniMax-AI ↗
2025-12-23

MiniMax M2.1 выпущена — инкрементальные улучшения кодинга и агентов

MiniMax выпустила M2.1 как инкрементальное обновление семейства M2, улучшив показатели SWE-bench Verified (74,0%), Multi-SWE-Bench (49,4%) и нового бенчмарка VIBE (88,6%). M2.1 сохранила ту же архитектуру 230B / 10B активных MoE и лицензию Modified-MIT.

переработано TheRoutergithub.com/MiniMax-AI ↗

Частые вопросы

Можно ли использовать MiniMax M2 бесплатно в коммерческих приложениях?

Да. M2 выпущена под open-weight лицензией, разрешающей коммерческое использование и self-hosting. Условия лицензии пермиссивные (по сообщениям сообщества, похожи на Modified-MIT). Пользователи могут скачать веса с Hugging Face или GitHub и развернуть на своей инфраструктуре, либо использовать через TheRouter с оплатой за токен.

Какую длину контекста поддерживает M2 через TheRouter?

M2 имеет окно контекста 204 800 токенов на TheRouter с максимальным выводом 65 536 токенов. В агентских оценках (SWE-bench) модель работает с контекстом 128k и способна обрабатывать контекст уровня полной кодовой базы.

Как M2 соотносится с преемниками M2.1, M2.5 и M2.7?

Каждый преемник улучшается инкрементально. M2.1 (дек 2025) повысила SWE-bench Verified с 69,4% до 74,0% и представила VIBE. M2.5 (фев 2026) улучшила до 80,2% SWE-bench Verified с более быстрым выполнением агентов. M2.7 (апр 2026) — последнее поколение. Для новых проектов начинайте с M2.5 или M2.7. M2 остаётся хорошо документированным базовым релизом для регрессионного тестирования.

Поддерживает ли M2 ввод изображений или vision?

Нет. MiniMax M2 — только text-in / text-out. Для мультимодальных задач с изображениями, видео или аудио используйте doubao-seed-2.0-vision, qwen3-vl или gpt-image-1.5. M2 фокусируется исключительно на кодинге, текстовом reasoning и tool-use.

Можно ли развернуть MiniMax M2 самостоятельно?

Да. M2 поддерживает SGLang, vLLM, Transformers, MLX-LM и KTransformers для инференса. С 10B активных параметров модель может быть развёрнута на потребительских multi-GPU-конфигурациях. Команда vLLM опубликовала конкретные руководства по использованию семейства MiniMax-M2.

Реестр фактов — каждая утверждаемая величина имеет источник
источникURLполучено
Дата релизаgithub.com ↗2026-05-27проверено
Архитектураgithub.com ↗2026-05-27проверено
Дата отсечения данных——неизвестно
Лицензияhuggingface.co ↗2026-05-27к проверке
Поддерживаемые backend инференсаgithub.com ↗2026-05-27проверено
Преемник (M2.1)github.com ↗2026-05-27проверено
Последняя версия семейства (M2.7)openrouter.ai ↗2026-05-27проверено
SWE-bench Verifiedgithub.com ↗2026-05-27проверено
Multi-SWE-Benchgithub.com ↗2026-05-27проверено
SWE-bench Multilingualgithub.com ↗2026-05-27проверено
Terminal-Benchgithub.com ↗2026-05-27проверено
BrowseCompgithub.com ↗2026-05-27проверено
BrowseComp-zhgithub.com ↗2026-05-27проверено
GAIA (text only)github.com ↗2026-05-27проверено
AIME25github.com ↗2026-05-27проверено
MMLU-Progithub.com ↗2026-05-27проверено
GPQA-Diamondgithub.com ↗2026-05-27проверено
ArtifactsBenchgithub.com ↗2026-05-27проверено
LiveCodeBench (LCB)github.com ↗2026-05-27проверено
xbench-DeepSearchgithub.com ↗2026-05-27проверено
HLE (w/ tools)github.com ↗2026-05-27проверено
MiniMax открывает исходный код M2 — 230B MoE-модель для кодинга и агентовgithub.com/MiniMax-AI ↗2026-05-27проверено
MiniMax M2.1 выпущена — инкрементальные улучшения кодинга и агентовgithub.com/MiniMax-AI ↗2026-05-27проверено
Можно ли использовать MiniMax M2 бесплатно в коммерческих приложениях?huggingface.co ↗2026-05-27к проверке
Какую длину контекста поддерживает M2 через TheRouter?openrouter.ai ↗2026-05-27к проверке
Как M2 соотносится с преемниками M2.1, M2.5 и M2.7?github.com ↗2026-05-27к проверке
Поддерживает ли M2 ввод изображений или vision?github.com ↗2026-05-27к проверке
Можно ли развернуть MiniMax M2 самостоятельно?docs.vllm.ai ↗2026-05-27к проверке
Помощь и контакты