MiniMax-M2

MiniMax M2 — это фундаментальная модель, заложившая архитектурные и методологические принципы всей серии. Разработанная для максимальной эффективности в агентных сценариях и программировании, M2 доказывает, что компактная архитектура может конкурировать с огромными моделями при правильном подходе к обучению и данным.

Архитектура модели — Mixture-of-Experts с 230 миллиардами общих параметров, из которых активируется только 10 миллиардов на токен. Ключевой особенностью является полное внимание (full attention) вместо гибридных механизмов — команда сознательно отказалась от sparse/linear attention после экспериментов, показавших деградацию качества на сложных многошаговых рассуждениях и агентных задачах. Модель внедряет Interleaved Thinking — паттерн чередующегося мышления, где режим рассуждений может происходить между шагами генерации и использования инструментов, а не только в начале диалога.

Уникальность M2 заключается в её роли как фундамента для всей серии. Она не просто отдельная модель, а первая реализация философии MiniMax, согласно которой будущее за "агент-нативными" LLM. Ключевая идея, заложенная в M2, — это подготовка модели не просто к генерации текста, а к решению задач в рамках агентного подхода, где требуется планирование, использование инструментов и адаптация к обратной связи. С практической точки зрения, это означает, что M2 отлично подходит для развертывания в качестве интеллектуального ядра ассистентов, способных работать с документами, анализировать таблицы и генерировать структурированные ответы, требующие понимания предметной области.

Дата анонса: 22.10.2025
Параметров: 229B
Экспертов: 256
Активно параметров при инференсе: 10B
Контекст: 197K
Слоев: 62
Тип внимания: Full Attention
Разработчик: MiniMax-AI
Версия Transformers: 4.57.1
Лицензия: MIT

Воспользуйтесь нашими готовыми публичными эндпоинтами бесплатно для теста инференса и знакомства с MiniMax-M2. Получить токен для доступа к API вы можете на странице управления токенами после регистрации и верификации.

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

• получить максимальную производительность эндпоинта,
• получить полный контекст для обработки больших запросов и диалогов,
• обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
• использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.