---

认识 MiniMax-M2.1

今天，我们正式将 MiniMax-M2.1 交到开源社区手中。这次发布不仅仅是一次参数更新，更是朝着让顶尖的智能体能力普惠大众迈出的重要一步。

M2.1 的设计初衷，就是打破高性能智能体必须封闭运行的刻板印象。我们针对代码编写、工具使用、指令遵循以及长周期规划等场景进行了深度优化。无论是自动化多语言软件开发，还是执行复杂的多步骤办公流程，MiniMax-M2.1 都能帮助开发者构建下一代自主应用——同时保持完全透明、可控且易于获取。

我们坚信，真正的智能应当触手可及。M2.1 是我们对未来的承诺，也是您手中的一件强大工具。

使用方法

• MiniMax-M2.1 的 API 已在 MiniMax 开放平台上线：https://platform.minimax.io/docs/guides/text-generation
• 基于 MiniMax-M2.1 构建的产品 MiniMax Agent 现已公开可用：https://agent.minimax.io/
• MiniMax-M2.1 的模型权重现已开源，支持本地部署和使用：https://huggingface.co/MiniMaxAI/MiniMax-M2.1

基准测试结果

MiniMax-M2.1 在核心软件工程榜单上较 M2 实现了显著提升。尤其在多语言场景中表现突出，超越了 Claude Sonnet 4.5，并接近 Claude Opus 4.5 的水平。

基准测试	MiniMax-M2.1	MiniMax-M2	Claude Sonnet 4.5	Claude Opus 4.5	Gemini 3 Pro	GPT-5.2（思考）	DeepSeek V3.2
SWE-bench Verified	74.0	69.4	77.2	80.9	78.0	80.0	73.1
Multi-SWE-bench	49.4	36.2	44.3	50.0	42.7	x	37.4
SWE-bench Multilingual	72.5	56.5	68	77.5	65.0	72.0	70.2
Terminal-bench 2.0	47.9	30.0	50.0	57.8	54.2	54.0	46.4

我们还在多种代码智能体框架下对 MiniMax-M2.1 进行了 SWE-bench Verified 测试。结果表明，该模型具有出色的框架泛化能力和稳健的稳定性。

此外，在特定任务基准测试中——包括测试用例生成、代码性能优化、代码审查以及指令遵循等——MiniMax-M2.1 相较于 M2 均有全面改进。在这些专业领域，其表现持续媲美或超越 Claude Sonnet 4.5。

基准测试	MiniMax-M2.1	MiniMax-M2	Claude Sonnet 4.5	Claude Opus 4.5	Gemini 3 Pro	GPT-5.2（思考）	DeepSeek V3.2
SWE-bench Verified (Droid)	71.3	68.1	72.3	75.2	x	x	67.0
SWE-bench Verified (mini-swe-agent)	67.0	61.0	70.6	74.4	71.8	74.2	60.0
SWT-bench	69.3	32.8	69.5	80.2	79.7	80.7	62.0
SWE-Perf	3.1	1.4	3.0	4.7	6.5	3.6	0.9
SWE-Review	8.9	3.4	10.5	16.2	x	x	6.4
OctoCodingbench	26.1	13.3	22.8	36.2	22.9	x	26.0

为评估模型从零开始构建完整功能性应用的全栈能力，我们设立了一项全新基准测试：VIBE（面向应用开发执行的视觉与交互式基准测试）。该测试包含五个核心子集：Web、仿真、Android、iOS 和后端。与传统基准不同，VIBE 采用创新的“代理即验证者”（AaaV）模式，能够在真实运行环境中自动评估生成的应用程序的交互逻辑和视觉美感。

MiniMax-M2.1 在 VIBE 总体基准测试中表现出色，平均得分达到 88.6，充分展示了其强大的全栈开发能力。尤其在 VIBE-Web（91.5）和 VIBE-Android（89.7）子集中，表现尤为突出。

基准测试	MiniMax-M2.1	MiniMax-M2	Claude Sonnet 4.5	Claude Opus 4.5	Gemini 3 Pro
VIBE（平均）	88.6	67.5	85.2	90.7	82.4
VIBE-Web	91.5	80.4	87.3	89.1	89.5
VIBE-仿真	87.1	77.0	79.1	84.0	89.2
VIBE-Android	89.7	69.2	87.5	92.2	78.7
VIBE-iOS	88.0	39.5	81.2	90.0	75.8
VIBE-后端	86.7	67.8	90.8	98.0	78.7

MiniMax-M2.1 在长周期工具使用和综合智能指标方面也较 M2 有了稳步提升。

基准测试	MiniMax-M2.1	MiniMax-M2	Claude Sonnet 4.5	Claude Opus 4.5	Gemini 3 Pro	GPT-5.2（思考）	DeepSeek V3.2
Toolathlon	43.5	16.7	38.9	43.5	36.4	41.7	35.2
BrowseComp	47.4	44.0	19.6	37.0	37.8	65.8	51.4
BrowseComp（上下文管理）	62.0	56.9	26.1	57.8	59.2	70.0	67.6
AIME25	83.0	78.0	88.0	91.0	96.0	98.0	92.0
MMLU-Pro	88.0	82.0	88.0	90.0	90.0	87.0	86.0
GPQA-D	83.0	78.0	83.0	87.0	91.0	90.0	84.0
HLE 无工具	22.2	12.5	17.3	28.4	37.2	31.4	22.2
LCB	81.0	83.0	71.0	87.0	92.0	89.0	86.0
SciCode	41.0	36.0	45.0	50.0	56.0	52.0	39.0
IFBench	70.0	72.0	57.0	58.0	70.0	75.0	61.0
AA-LCR	62.0	61.0	66.0	74.0	71.0	73.0	65.0
𝜏²-Bench Telecom	87.0	87.0	78.0	90.0	87.0	85.0	91.0

评估方法说明：

• SWE-bench 已验证：在内部基础设施上使用 Claude Code、Droid 或 mini-swe-agent 作为脚手架进行测试。默认情况下，我们使用了 Claude Code 的指标。当使用 Claude Code 时，会覆盖默认的系统提示词。结果为 4 次运行的平均值。
• Multi-SWE-Bench、SWE-bench 多语言版、SWT-bench 和 SWE-Perf：在内部基础设施上使用 Claude Code 作为脚手架进行测试，并覆盖了默认的系统提示词。结果为 4 次运行的平均值。
• Terminal-bench 2.0：在我们的内部评估框架上使用 Claude Code 进行测试。我们验证了完整数据集并修复了环境问题。去除了超时限制，其他配置与官方设置保持一致。结果为 4 次运行的平均值。
• SWE 审查：基于 SWE 框架构建的内部代码缺陷审查基准测试，涵盖多种语言和场景，评估缺陷召回率和幻觉率。只有当模型准确识别目标缺陷，并确保所有其他报告的发现均有效且无幻觉时，才会被视为“正确”。所有评估均使用 Claude Code 执行，最终结果为每个测试用例四次独立运行的平均值。我们计划很快将此基准测试开源。
• OctoCodingbench：一项专注于复杂开发场景中代码代理长期指令遵循的内部基准测试。它在一个跨越不同技术栈和脚手架框架的动态环境中进行端到端的行为监督。核心目标是评估模型整合并执行“复合指令约束”的能力——包括系统提示词（SP）、用户查询、记忆、工具模式以及 Agents.md、Claude.md 和 Skill.md 等规范。采用严格的“单次违规即失败”评分机制，最终结果为 4 次运行的平均通过率，量化了模型将静态约束转化为精确行为的鲁棒性。我们计划很快将此基准测试开源。
• VIBE：一项内部基准测试，利用 Claude Code 作为脚手架自动验证程序的交互逻辑和视觉效果。分数通过包含需求集、容器化部署和动态交互环境的统一流程计算得出。最终结果为 3 次运行的平均值。我们已将此基准测试开源至 VIBE。
• Toolathlon：评估协议与原始论文保持一致。
• BrowseComp：所有分数均使用与 WebExplorer（Liu 等，2025 年）相同的代理框架获得，仅对工具描述进行了微调。我们使用了与 WebExplorer 相同的 103 样本 GAIA 纯文本验证子集。
• BrowseComp（上下文管理）：当令牌使用量超过最大上下文窗口的 30% 时，我们会保留首次 AI 回答、最后五次 AI 回答以及工具输出，丢弃其余内容。
• AIME25 ~ 𝜏²-Bench Telecom：源自内部测试，基于 Artificial Analysis Intelligence Index 中引用的评估数据集和方法论。

本地部署指南

从 HuggingFace 仓库下载模型：https://huggingface.co/MiniMaxAI/MiniMax-M2.1

我们建议使用以下推理框架（按字母顺序排列）来部署该模型：

SGLang

我们推荐使用 SGLang 来部署 MiniMax-M2.1。请参阅我们的 SGLang 部署指南。

vLLM

我们推荐使用 vLLM 来部署 MiniMax-M2.1。请参阅我们的 vLLM 部署指南。

Transformers

我们推荐使用 Transformers 来部署 MiniMax-M2.1。请参阅我们的 Transformers 部署指南。

其他推理引擎

• MLX-LM
• KTransformers

推理参数

我们建议使用以下参数以获得最佳性能：temperature=1.0、top_p = 0.95、top_k = 40。默认系统提示词如下：

你是一位乐于助人的助手。你的名字是 MiniMax-M2.1，由 MiniMax 公司打造。

工具调用指南

请参阅我们的 工具调用指南。

联系我们

欢迎通过 model@minimax.io 与我们联系。

MiniMax-M2.1 快速上手指南

MiniMax-M2.1 是一款专为智能体（Agent）场景优化的开源大模型，在代码生成、工具调用、长程规划及多语言支持方面表现卓越。本指南将帮助您快速完成本地部署与基础推理。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统: Linux (推荐 Ubuntu 20.04+) 或 macOS。
• 硬件要求:
  • GPU: 推荐使用 NVIDIA GPU (显存建议 24GB 及以上，具体取决于量化版本)。
  • CPU: 若使用 MLX (macOS) 或 CPU 推理，需较新的多核处理器。
• 软件依赖:
  • Python >= 3.9
  • CUDA Toolkit (如需 GPU 加速)
  • Git
• 账号准备: 已注册 Hugging Face 账号并获取 Access Token（用于下载模型权重）。

国内加速提示: 如果访问 Hugging Face 困难，建议使用国内镜像源（如 ModelScope 或 huggingface.co 的国内镜像站）下载模型。

• ModelScope 地址：https://www.modelscope.cn/organization/MiniMax

安装步骤

1. 获取模型权重

您可以选择从 Hugging Face 或 ModelScope 下载模型。

方式 A: 使用 Hugging Face CLI (需配置代理或镜像)

pip install huggingface_hub
huggingface-cli login
# 下载模型到本地目录
huggingface-cli download --resume-download MiniMaxAI/MiniMax-M2.1 --local-dir ./MiniMax-M2.1

方式 B: 使用 ModelScope (推荐国内用户)

pip install modelscope
# 使用 Python 脚本下载
python -c "from modelscope import snapshot_download; snapshot_download('MiniMax/MiniMax-M2.1', cache_dir='./MiniMax-M2.1')"

2. 安装推理框架

根据您的需求选择一种推理后端进行安装（推荐 vLLM 或 SGLang 以获得最佳性能）。

选项一：安装 vLLM (推荐)

pip install vllm

选项二：安装 SGLang

pip install sglang

选项三：安装 Transformers (适合调试或小规模测试)

pip install transformers torch accelerate

基本使用

以下提供两种最常用的启动方式：API 服务模式和 Python 脚本模式。

方法一：启动 API 服务 (使用 vLLM)

此方法将模型部署为兼容 OpenAI 格式的 API 服务，方便集成到现有应用或 Agent 框架中。

# 替换 <MODEL_PATH> 为您实际下载的模型路径
vllm serve <MODEL_PATH> \
    --port 8000 \
    --host 0.0.0.0 \
    --tensor-parallel-size 1 \
    --trust-remote-code

调用示例 (curl):

curl http://localhost:8000/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{
        "model": "MiniMax-M2.1",
        "messages": [
            {"role": "system", "content": "You are a helpful assistant. Your name is MiniMax-M2.1."},
            {"role": "user", "content": "请用 Python 写一个快速排序算法。"}
        ],
        "temperature": 1.0,
        "top_p": 0.95,
        "top_k": 40
    }'

方法二：Python 脚本直接推理 (使用 Transformers)

如果您希望直接在代码中加载模型进行推理，可使用以下脚本：

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

# 配置模型路径
model_path = "./MiniMax-M2.1"  # 请修改为您的本地路径

# 加载分词器和模型
tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_path, 
    torch_dtype=torch.bfloat16, 
    device_map="auto",
    trust_remote_code=True
)

# 构建输入
prompt = "请解释什么是递归，并给出一个计算阶乘的例子。"
messages = [
    {"role": "system", "content": "You are a helpful assistant. Your name is MiniMax-M2.1."},
    {"role": "user", "content": prompt}
]

# 应用聊天模板
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer([text], return_tensors="pt").to(model.device)

# 生成回复
outputs = model.generate(
    **inputs,
    max_new_tokens=1024,
    temperature=1.0,
    top_p=0.95,
    top_k=40,
    do_sample=True
)

# 解码输出
response = tokenizer.decode(outputs[0][len(inputs.input_ids[0]):], skip_special_tokens=True)
print(response)

参数建议: 为了获得最佳效果，建议保持以下生成参数：temperature=1.0, top_p=0.95, top_k=40。