Minimax M2 API

CometAPI
AnnaOct 28, 2025
Minimax M2 API

MiniMax M2 是 開源、代理原生 MiniMax 發布的大型語言模型 (LLM) 2025 年 10 月 27 日它是專門為此而設計的。 編碼 代理商工作流程 （工具調用、多步驟自動化），優先級 低延遲 經濟有效 在提供服務的同時，展現出強大的推理能力和工具使用能力。

主要特徵

強調 - 編碼專業化, 代理商工作流程, 低主動參數佔用空間, 長期情境支持, OpenAI相容API. MiniMax 位置 Minimax M2 作為一個 快速、部署友好的 MoE 模型 適用於多步驟代理、程式碼產生和修復、終端/IDE 工作流程和工具呼叫。

要點（簡述）：

  • 建築： 具有非常大的總參數數量和少量參數的專家混合模型（MoE） 活性 每個前向傳遞的參數集。
  • 激活足跡： ~10億個活躍參數 （每個代幣）
  • 總參數（報告）： 報告之間 約200億至230億 取決於來源/指標（見 技術細節).
  • 上下文視窗： 企業級長上下文； 204,800令牌 最大上下文。
  • 主要治療方式： 文字（支援工具呼叫/函數呼叫）。
  • 原生代理：專為多步驟工具呼叫（shell、瀏覽器、python 解釋器、MCP 工具）而設計。
  • 編碼重點針對多檔案編輯、運行修復循環和 CI/IDE 任務進行了最佳化。

技術細節（架構和規格）

建築學 - 混合式專家 (MoE): Minimax M2 API 使用 MoE 策略，因此模型可以具有 總參數數量非常大 而每個推理步驟僅激活一小部分。這提高了 計算效率, 吞吐量和 每個代幣的成本 用於互動式代理和編碼循環。

精度與量化—— 模型檔案和提供者堆疊列出了 FP32/BF16 和 FP8 格式以及多個量化建置（safetensors、FP8/E4M3 等），從而實現了本地部署和效率權衡。

上下文和 I/O — 已部署的提供者發布 204,800令牌 支援上下文相關功能和較大的最大輸出設定。 M2 是 純文字 目前（中國發布的許多開放權重版本都強調了文字/代理功能，而多模式仍然是其他版本的領域）。

運行時建議/特殊說明 — Minimax M2 API 使用 “交錯思維” 將模型內部推理過程封裝成輸出格式 <think>...</think> 塊。 MiniMax 的請求是保持思考內容的完整性，並將其以歷史上下文的形式傳遞回去，以保持多輪代理工作流程的效能。

基準性能

綜合智慧與代理基準 — 人工分析的獨立基準測試報告顯示 **MiniMax-M2 在同類輕量級車型中取得了最佳的智慧指數。**並名列其中 頂級開源模型 綜合智力指標，特別是在 工具使用、指令遵循和代理任務人工分析突顯了該模型的 效率 （活躍參數很少）是其排名的關鍵驅動因素。

Minimax M2 API

Minimax M2  表演 編碼和代理套件方面取得了優異的成績 （終端基準測試、軟體工程基準測試、瀏覽計算、即時程式碼基準測試等類型的任務），其架構和啟動預算有利於規劃→執行→驗證循環（編譯/運行/測試週期、多文件編輯和工具鏈）。

Minimax M2 API

比較：MiniMax M2 與其他當代型號

與公開等級的對手（De​​epSeek、Qwen3、Kimi 等）競爭 — Minimax M2  呈現為 特別高效 其活躍參數預算（≈10億）使其具有強大的智慧/活躍參數比率；其他開放模型可能具有更高的活躍參數數量，但總參數數量相似或更高。

針對商業前沿模型（OpenAI / Anthropic / Google / xAI）— 報告地點 M2 低於頂級商業模型 以某些通用指標衡量 有競爭力或領先 在許多智能體和編碼基準測試中，它的價格都非常出色。

成本與速度的權衡—— 其每個代幣的成本僅為 Anthropic Claude Sonnet 的 8%，但速度卻快約兩倍。

局限性和風險

局限性—— 冗長（高令牌使用率）, 純文字模式, 特定任務的弱點以及常見的LLM風險（幻覺、過度自信、資料集偏差）。人工分析和MiniMax都指出，即使M2在智慧體和編碼工作流程方面表現出色，它在某些開放式任務上的表現可能不如一些大型通用模型。因為它是基於MoE， 部署注意事項 （專家級的路由、量化和推理框架）至關重要。

操作注意事項—— Minimax M2 “ 交錯思維 格式要求保留特殊訊息 <think>...</think> 為了獲得最佳效能，需要保留歷史記錄中的令牌；刪除這些內容可能會降低代理程式的效能。另外，因為 Minimax M2  冗長，每項任務的成本是兩者的函數 每個代幣的價格 產生的代幣總數.

主要用例

  • 代理編排與長工作流程 — 多步驟工具鏈, 瀏覽→檢索→執行循環, 錯誤恢復和 證據可追溯性 在代理運行中。
  • 開發者效率提升與編碼助理 — 編譯-運行-測試循環, 多文件編輯, 經過測試驗證的修復和 IDE集成 （有 Claude Code、Cursor、Codex、Grok CLI 等範例）。
  • 高吞吐量代理集群/生產機器人 — 哪裡 每次推斷的成本 並發 此外，M2 較低的啟動參數佔用空間可以降低基礎設施成本。

如何致電 Minimax M2  來自 CometAPI 的 API

minimax-m2 CometAPI 中的 API 定價，比官方價格便宜 20%：

  • 輸入代幣：0.24萬美元代幣
  • 輸出代幣：0.96 美元/百萬代幣

所需步驟

  • 登錄到 cometapi.com。如果您還不是我們的用戶，請先註冊。
  • 登錄你的 CometAPI 控制台.
  • 取得介面的存取憑證API key。在個人中心的API token處點選“新增Token”，取得Token金鑰：sk-xxxxx並提交。

Minimax M2 API

使用方法

  1. 選擇「minimax-m2」端點傳送API請求並設定請求體。請求方法和請求體資訊可參考我們網站的API文件。為了方便您測試，我們網站也提供了Apifox測試工具。
  2. 代替使用您帳戶中的實際 CometAPI 金鑰。
  3. 將您的問題或請求插入內容欄位 - 這是模型將會回應的內容。
  4. 。處理 API 回應以取得產生的答案。

CometAPI 提供完全相容的 REST API，以實現無縫遷移。關鍵細節如下： API 文件:

API 整合和範例

下面是一個 蟒蛇 程式碼片段示範如何透過 CometAPI 的 API 呼叫 GLM-4.6。替換 <API_KEY>   <PROMPT> 因此：

import requests

API_URL = "https://api.cometapi.com/v1/chat/completions"
headers = {
    "Authorization": "Bearer <API_KEY>",
    "Content-Type": "application/json"
}
payload = {
    "model": "minimax-m2",
    "messages": [
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user",   "content": "<PROMPT>"}
    ],
    "max_tokens": 512,
    "temperature": 0.7
}

response = requests.post(API_URL, json=payload, headers=headers)
print(response.json())

也可以看看 克勞德俳句 4.5 API

閱讀更多

一個 API 中超過 500 個模型

最高 20% 折扣