刚刚，MiniMax M2拿下开源模型第一

头像

沃垠AI

2025-10-27 23:04发布于四川科技领域创作者

图片

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。

图片

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。

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”。

图片
图片

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

Prompt：总结这个网页（https://zhuanlan.zhihu.com/p/1966160013463626779），生成一个精美的知识卡片网页。

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。

图片

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

Prompt：开发一个“微旅程”网站，每天推荐一张世界小众角落的照片+一段故事。

先看三家对比。

图片

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。

图片

3）3D特效

Prompt：Create a 3D particle galaxy with swirling nebulas, dynamic lighting.

先看对比。

图片

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

Prompt：使用Three.js和JavaScript构建一个网页，创建一个基于数组的 3D 世界，展示我去过的地方。点击 3D 地球上的标记将触发缩放动画效果，并打开带有照片的详细旅行信息。
图片

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。

图片

5）电商网站

Prompt：设计一个“绒跃”电商网站，slogan“柔软开挂，跑无负担”，专注销售羊毛运动鞋：以“天然羊毛 + 城市机能”为核心卖点，整体视觉采用低饱和暖白、燕麦色与雾灰渐变，突出羊毛柔软质感。包含品牌介绍、商品列表、购物车等功能。

这个需求稍微复杂了点，我们来看下三家对比。

图片

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

Prompt：帮我做一个调酒模拟器网页，用户可以选择调酒材料、自己的心情以及想要的口味，就能创造一款专属饮品，体验调酒的乐趣。
图片

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。

图片

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。

Prompt：请实现一个颜色记忆游戏（类似 Simon Game）。四个不同颜色的按钮会依次闪烁（形成一个序列），玩家需在下一轮准确复现。每轮会增加一个颜色，难度逐渐上升。需实现错误提示、最高连击统计、音效模拟（可用 Web Audio API）。

真的很好玩，我直接玩到了7级。

图片

还有这个，反应力测试的小游戏，也很有趣。

Prompt：用 HTML/CSS/JS 实现一个“反应力测试小游戏”：画面上有一个小黑块随机出现，你需要用鼠标点击它，越快越好，系统会记录你的反应时间。连续10次后给出统计数据：平均反应时间、最快/最慢一次、反应偏差图表。界面简洁，响应迅速，可在手机端适配。
图片

更厉害的是，M2还能做一些全栈开发。

Prompt：设计一个共享功德箱的网站， 鼠标点击+1点功德 ， 保存到数据库。同时，配备一个管理员页面， 可以手动修改总功德数。

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。

图片

关于实际效果，我给大家录了个视频。

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。

图片

打铁还需自身硬，MiniMax做到了“自主可控”。


图片

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。

图片

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。

图片

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。

from openai import OpenAIimport 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].functionprint(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：

Function called: get_weatherArguments: {"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。

图片

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）。