MiniMax-AI GitHub avatar

MiniMax-M2

大语言模型MiniMax-AI最近推送 2026年10月26日
模型推理与部署NOASSERTION2,60221455 issues

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月18日

MiniMax-M2 是面向编程与智能体工作流的高效 MoE 大模型,总参数 230B、激活 10B。

MiniMax-M2 是一个为编程和智能体(agentic)工作流设计的大语言模型,采用 MoE 架构,总参数 2300 亿、激活参数 100 亿。仓库提供模型介绍、基准测试结果和 API 入口,强调在代码编辑、终端操作和工具调用等任务上的效率与性能。

推荐指数

4.0

适合需要高效部署编程/Agent 模型的开发者,但需注意模型权重获取方式和实际部署成本。

总 Star 排名

#1924

雷达追踪的 3,958 个 AI 仓库中

创建于

2025

2025年10月26日

核心亮点

  • 1高效 MoE 架构

    总参数 230B,激活仅 10B,降低推理延迟和成本。

  • 2编程能力突出

    在 SWE-bench Verified 等基准上得分 69.4,接近部分闭源模型。

  • 3智能体工具调用

    支持长链路工具编排,在 BrowseComp、GAIA 等评测中表现良好。

  • 4开源 MIT 许可

    采用 MIT 许可证,允许商业使用和修改。

  • 5提供免费 API

    README 显示 API 限时免费,可快速体验。

适用场景

  • 代码生成与修复

    例如:在 IDE 或 CI 中自动修复多文件代码问题并通过测试验证。

  • 智能体工作流

    例如:构建能操作终端、浏览网页、调用检索工具的自动化 Agent。

  • 低成本模型部署

    例如:在有限算力下部署激活参数 10B 的模型,服务交互式编程助手。

它是怎么工作的

  1. 第 1 步

    模型架构

    采用 MoE 结构,总参数 230B,每次推理激活 10B 参数。

  2. 第 2 步

    训练目标

    针对编程和智能体任务优化,支持多文件编辑、工具调用和长程规划。

  3. 第 3 步

    使用方式

    可通过 MiniMax API 调用,或从 Hugging Face/ModelScope 获取权重自行部署。

快速上手

  1. 1

    获取 API 密钥

    访问 MiniMax 平台文档注册并获取 API key(限时免费)。

  2. 2

    调用 API

    使用平台提供的 SDK 或 HTTP 接口发送请求。

  3. 3

    下载模型权重

    从 Hugging Face 或 ModelScope 下载模型文件用于本地部署。

适合谁

  • 需要高效编程助手的开发者
  • 构建智能体应用的 AI 工程师
  • 希望低成本部署大模型的研究者

不太适合

  • 需要开箱即用聊天界面的普通用户
  • 算力资源非常有限(无法运行 230B 模型)的团队

成熟度

  • 活跃度创建于 2025 年 10 月,最近推送在 2026 年 10 月,更新活跃。
  • 文档README 包含基准和链接,但缺少详细的部署和微调文档。
  • 社区2600+ stars、214 forks,有 Discord 和微信社区,但 issue 数 55 表明讨论量中等。
  • 上手难度提供 API 可快速体验,但本地部署 230B 模型需要较高硬件门槛。

同类项目怎么选

  • DeepSeek-V3同为 MoE 架构,但参数规模和激活策略不同,侧重通用能力。
  • Qwen2.5-Coder专注代码生成,提供多种尺寸,部署更灵活。
  • GLM-4智谱开源模型,同样覆盖编程和智能体场景,生态不同。

使用前注意

  • · 许可证为 MIT,但需确认模型权重使用是否有额外条款。
  • · 本地部署需要大量 GPU 显存,不适合资源有限的个人开发者。
  • · API 目前限时免费,长期使用需关注定价策略。
  • · 基准测试结果基于特定评估框架,实际表现可能因场景而异。

主题标签

large-language-modelsllm