刚刚，MiniMax M2拿下开源模型第一

刚刚，MiniMax M2拿下开源模型第一刚刚，MiniMax M2拿下开源模型第一 Modified November 26, 2025 No access 0bc3uyabcaaauuajlix7efufbjwdcgtaaeia.f10002 00:00 整个体验下来，我觉得 M2的编程能力绝对算得上全球第一梯队的水平，不输Claude 4.5、GLM 4.6和K2。也难怪，MiniMax Agent网站已经把他们的基座模型全面切换为M2了，而并非那个“死贵死贵且中国人不得使用”的某海外模型。打铁还需自身硬，MiniMax做到了“自主可控”。一些干货 M2刚刚上线，我知道你一定有很多问题，我给大家整理了一些干货，看看对你有没有帮助。 1）免费入口目前，MiniMax Agent和MiniMax开放平台都支持免费体验，“直到MiniMax平台服务器撑不住为止”——这是MiniMax CEO闫俊杰亲口说的。 MiniMax Agent https://agent.minimaxi.com MiniMax开放平台 https://platform.minimaxi.com/docs/guides/text generation 2）关于M2 M2，是一个混合思考模型。总参数230B，激活参数10B。在实际使用过程中，继续保留助手历史会话里的thinking过程。模型输出时，会使用 <think ... </think 格式来展示助手的思考内容。使用模型时，必须保证历史内容以原始格式传回。请勿删除 <think ... </think 部分，否则模型的性能会受到负面影响。 3）部署须知 M2模型已在HugingFace开源，推荐使用vLLM或SGLang部署。模型下载： https://huggingface.co/MiniMaxAI/MiniMax M2 vLLM部署指引： https://huggingface.co/MiniMaxAI/MiniMax M2/blob/main/docs/vllm deploy guide cn.md SGLang部署指引： https://huggingface.co/MiniMaxAI/MiniMax M2/blob/main/docs/sglang deploy guide cn.md 上面2个指引都是中文的，可以放心阅读。可见，MiniMax它是真的想教会你做自部署。自部署，GPU显存需要＞220GB，因为每1M上下文token需要240GB。推荐配置： • 96G x4 GPU：支持40万token的总上下文。 • 144G x8 GPU：支持长达300万token的总上下文。推荐使用这个推理参数，可以获得最佳性能。 temperature=1.0, top p = 0.95, top k = 20 4）工具调用 M2支持工具调用，它会识别何时需要调用外部工具，然后以结构化格式输出调用参数。比如，我们以天气查询工具调用举例，这是基于OpenAI SDK的Python脚本。 Code block Python from openai import OpenAI import json client = OpenAI(base url="http://localhost:8000/v1", api key="dummy") def get weather(location: str, unit: str): return f"Getting the weather for {location} in {unit}..." tool functions = {"get weather": get weather} tools = [{ "type": "function", "function": { "name": "get weather", "description": "Get the current weather in a given location", "parameters": { "type": "object", "properties": { "location": {"type": "string", "description": "City and state, e.g., 'San Francisco, CA'"}, "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]} }, "required": ["location", "unit"] } } }] response = client.chat.completions.create( model=client.models.list().data[0].id, messages=[{"role": "user", "content": "What's the weather like in San Francisco? use celsius."}], tools=tools, tool choice="auto" ) print(response) tool call = response.choices[0].message.tool calls[0].function print(f"Function called: {tool call.name}") print(f"Arguments: {tool call.arguments}") print(f"Result: {get weather( json.loads(tool call.arguments))}") 然后，会输出： Code block SQL Function called: get weather Arguments: {"location": "San Francisco, CA", "unit": "celsius"} Result: Getting the weather for San Francisco, CA in celsius... 更多的工具调用实操，大家可以前往官方指南查看。同样，也是全程中文。工具调用指南: https://huggingface.co/MiniMaxAI/MiniMax M2/blob/main/docs/tool calling guide cn.md 5）关于价格 M2模型的API，输入2.1元/百万 tokens，输出8.4元/百万tokens。在国产里面，与K2、GLM大致相当，高于DeepSeek V3.2；在海外里面，则不到Claude的8%。不过，目前是免费的，一直免费到11月7日。也不分什么Air版、Pro版，直接就一个模型，全量免费。而且，速度还很快，TPS（每秒输出Token数）超过100（还在提升中）。写在最后现在，全球模型都面临着一个“不可能三角”（提法by IO）：海外模型，性能强大，但是贵而且慢；国内模型便宜，但是性能又打了折扣。很难在市场上找到一款性能、价格和速度都能做到S级表现的模型，M2算是做了一个探索。 No access 0bc3uyabcaaauuajlix7efufbjwdcgtaaeia.f10002 00:00 No access 0bc3uyabcaaauuajlix7efufbjwdcgtaaeia.f10002 00:00 整个体验下来，我觉得 M2的编程能力绝对算得上全球第一梯队的水平，不输Claude 4.5、GLM 4.6和K2。也难怪，MiniMax Agent网站已经把他们的基座模型全面切换为M2了，而并非那个“死贵死贵且中国人不得使用”的某海外模型。打铁还需自身硬，MiniMax做到了“自主可控”。一些干货 M2刚刚上线，我知道你一定有很多问题，我给大家整理了一些干货，看看对你有没有帮助。 1）免费入口目前，MiniMax Agent和MiniMax开放平台都支持免费体验，“直到MiniMax平台服务器撑不住为止”——这是MiniMax CEO闫俊杰亲口说的。 MiniMax Agent https://agent.minimaxi.com MiniMax开放平台 https://platform.minimaxi.com/docs/guides/text generation 2）关于M2 M2，是一个混合思考模型。总参数230B，激活参数10B。在实际使用过程中，继续保留助手历史会话里的thinking过程。模型输出时，会使用 <think ... </think 格式来展示助手的思考内容。使用模型时，必须保证历史内容以原始格式传回。请勿删除 <think ... </think 部分，否则模型的性能会受到负面影响。 3）部署须知 M2模型已在HugingFace开源，推荐使用vLLM或SGLang部署。模型下载： https://huggingface.co/MiniMaxAI/MiniMax M2 vLLM部署指引： https://huggingface.co/MiniMaxAI/MiniMax M2/blob/main/docs/vllm deploy guide cn.md SGLang部署指引： https://huggingface.co/MiniMaxAI/MiniMax M2/blob/main/docs/sglang deploy guide cn.md 上面2个指引都是中文的，可以放心阅读。可见，MiniMax它是真的想教会你做自部署。自部署，GPU显存需要＞220GB，因为每1M上下文token需要240GB。推荐配置： • 96G x4 GPU：支持40万token的总上下文。 • 144G x8 GPU：支持长达300万token的总上下文。推荐使用这个推理参数，可以获得最佳性能。 temperature=1.0, top p = 0.95, top k = 20 4）工具调用 M2支持工具调用，它会识别何时需要调用外部工具，然后以结构化格式输出调用参数。比如，我们以天气查询工具调用举例，这是基于OpenAI SDK的Python脚本。然后，会输出：更多的工具调用实操，大家可以前往官方指南查看。同样，也是全程中文。工具调用指南: https://huggingface.co/MiniMaxAI/MiniMax M2/blob/main/docs/tool calling guide cn.md 5）关于价格 M2模型的API，输入2.1元/百万 tokens，输出8.4元/百万tokens。在国产里面，与K2、GLM大致相当，高于DeepSeek V3.2；在海外里面，则不到Claude的8%。不过，目前是免费的，一直免费到11月7日。也不分什么Air版、Pro版，直接就一个模型，全量免费。而且，速度还很快，TPS（每秒输出Token数）超过100（还在提升中）。写在最后现在，全球模型都面临着一个“不可能三角”（提法by IO）：海外模型，性能强大，但是贵而且慢；国内模型便宜，但是性能又打了折扣。很难在市场上找到一款性能、价格和速度都能做到S级表现的模型，M2算是做了一个探索。来自Artificial Analysis的最新数据——M2的智能表现，全球第五；速度表现，仅次于GPT、Grok、Gemini和Llama；价格方面，一看就很中国。如果要用一句话介绍M2，那就是“一款紧凑、快速且性价比超强的模型，专为Coding和Agent而生”。这就是MiniMax，一直以极小的成本实现极大的智能。 🔗 原文链接： https://mp.weixin.qq.com/s/DtGbnXIA... https://mp.weixin.qq.com/s/DtGbnXIA... 原创冷逸沃垠AI2025年10月27日 23:04 四川 M2迅速飙升至HF榜No.3⬆️ 今天，MiniMax发布并开源了他们的新一代旗舰模型： MiniMax M2 一款专注 Max coding & Agentic workflows的 Mini model，参数量只有230B（激活参数10B）。在Artificial Analysis榜单上，M2取得了开源全球第一、闭源全球第四的成绩。数据来自artificialanalysis.ai 现在，上 agent.minimaxi.com 已经可以体验，完全免费。API调用，也是免费。 agent.minimaxi.com 至于何时收费？MiniMax只轻描淡写说了一句，“ 直到我们服务器撑不住为止 ”。一手实测真实体验，胜于榜单。我也第一时间在Claude Code里进行了体验。个人感觉是， M2完全不输Claude 4.5、K2和GLM 4.6 ，甚至部分场景比他们还要强。下面，给大家看我的实测对比。 1）知识卡片这是一个简单的知识卡片网页的前端开发，考验模型的联网能力、文本总结能力，以及前端的审美能力。我们来看一下GLM 4.6、Claude 4.5、M2三家的表现。 Claude 4.5说打不开知乎（美国模型打不开知乎？？），但还是把网页原型给设计出来了。GLM 4.6也总结得不错。但，明显M2对内容的总结和页面设计都更胜一筹。 2）微旅程网站先看三家对比。 M2和GLM 4.6都能调出真实的图片，图文内容一致。有意思的是，M2还设计了很多的往期内容。 3）3D特效先看对比。现在，能跑出这个prompt的模型又多了一家（K2、GLM 4.6、Qwen3和M2），也是国产。不得不说，我们自己的模型是真的越来越好了。强如Claude来了，也是一团雪花。 4）旅行足迹 3D地球，三家都画出来了。但要做到地图标记，只有GLM 4.6和M2。如果要对标记点进行详细介绍，则只有M2实现了这个功能。 5）电商网站这个需求稍微复杂了点，我们来看下三家对比。三家对指令的遵循都还不错，我要求的卖点、主视觉和功能设计，这些都实现了。如果非要挑更优的话，Claude 4.5确实更胜一筹。 6）情绪调酒器整体来说，三家完成得都不错。区别在于，M2和GLM 4.6在容器的交互设计上更用心一些。比如M2，它从开始调酒到调酒结束一共设计了3个交互动画，就很酷。 7）更多case 测试中，我还跑了一些case，M2都完成得不错，而且速度也很快（大部分case在2分钟内完成）。比如，这个颜色记忆小游戏。真的很好玩，我直接玩到了7级。还有这个，反应力测试的小游戏，也很有趣。更厉害的是，M2还能做一些全栈开发。它把前端页面、后端服务器、数据库和管理后台，都给我设计出来了。关于实际效果，我给大家录了个视频。