MiniMax-M2 — это компактная, высокоэффективная большая языковая модель, оптимизированная для сквозных процессов кодирования и агентных рабочих потоков. С 10 миллиардами активированных параметров (230 миллиардов всего) она обеспечивает почти передовой уровень интеллекта в области общего рассуждения, использования инструментов и выполнения многошаговых задач, одновременно поддерживая низкую задержку и эффективность развертывания.
Модель превосходно справляется с генерацией кода, редактированием нескольких файлов, циклами «компилировать‑запускать‑исправлять», а также с ремонтом, проверенным тестами, демонстрируя сильные результаты на SWE‑Bench Verified, Multi‑SWE‑Bench и Terminal‑Bench. Она также конкурентоспособна в агентных оценках, таких как BrowseComp и GAIA, эффективно решая задачи долгосрочного планирования, извлечения информации и восстановления после ошибок выполнения.
Согласно бенчмаркам от Artificial Analysis, MiniMax-M2 занимает одно из ведущих мест среди открытых моделей по составному интеллекту, охватывающему математику, науку и следование инструкциям. Небольшой активный след модели обеспечивает быструю инференцию, высокую конкурентоспособность и улучшенную экономику единицы, что делает её хорошо подходящей для масштабных агентов, помощников разработчиков и приложений, основанных на рассуждениях, которым требуется отзывчивость и экономичность.
Чтобы не ухудшать производительность этой модели, MiniMax настоятельно рекомендует сохранять рассуждения между ходами. Узнайте больше о том, как использовать reasoning_details для передачи рассуждений, в нашей документации.
# Запрос к API VEGA через minimax/minimax-m2
curl https://api.vega.chat/api/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $VEGA_API_KEY" \
-d '{
"model": "minimax/minimax-m2",
"messages": [
{ "role": "user", "content": "Hello!" }
]
}'