MiniMax-M2.1

2.1

Otwarty model językowy typu MoE (ok. 229B parametrów) firmy MiniMax, zoptymalizowany pod kątem kodowania agentowego, użycia narzędzi i długoterminowego planowania.

✓ Aktywny✓ Publiczny dostęp⚖ Open sourceLLMModel rozumowaniaModel używający narzędzi

Okno kontekstowe

192K

tokenów

Parametry

229B

parametrów

Data premiery

20 grudnia 2025

🏢MiniMaxProducent

Dostęp:APIDownloadHostedWdrożenie:💻 Lokalnie☁ Cloud

Przegląd

MiniMax-M2.1 to otwarty (open-source) model językowy o architekturze Mixture-of-Experts (MoE) opracowany przez chińską firmę MiniMax. Łączna liczba parametrów wynosi około 229 miliardów, a rzadka architektura MoE obejmuje 256 ekspertów, z których na każdy token aktywowanych jest 8.

Model jest zoptymalizowany pod kątem zadań agentowych: programowania, użycia narzędzi, przestrzegania instrukcji oraz długoterminowego planowania. Obsługuje okno kontekstowe do 196 608 tokenów (ok. 192K), wykorzystuje uwagę grupowaną (GQA), kodowanie pozycji RoPE oraz predykcję wielotokenową (MTP), a wagi dystrybuowane są w formacie FP8.

Wagi modelu są publicznie dostępne na Hugging Face na licencji Modified-MIT, a dostęp przez API zapewnia platforma MiniMax Open Platform. Na modelu zbudowany jest produkt MiniMax Agent. Według karty modelu M2.1 poprawia wyniki względem M2 na benchmarkach inżynierii oprogramowania, m.in. SWE-bench Verified (74,0).

Klasyfikacja

LLMModel rozumowaniaModel używający narzędzi

Dostęp i wdrożenie

APIPobieranieHostowane

LokalnieChmura

Wagi: Open source

Kluczowe parametry

📏 Kontekst: 192K

🧩 Parametry: 229B

✓ Narzędzia · ✓ Fine-tuning

📥 Wejście: tekst

Specyfikacja techniczna

Okno kontekstowe

192K

tokenów

Parametry

229B

parametrów

Licencja

Modified MIT

Wymagania sprzętowe

Dystrybuowany jako FP8 safetensors (~229B parametrów MoE); przeznaczony do wdrożenia na wielu GPU (np. vLLM / SGLang).

Funkcje:✓ Używanie narzędzi✓ Fine-tuning

Modalności

⬇ Wejście (Input)

text

⬆ Wyjście (Output)

textcode

Możliwości i zastosowania

Natywne możliwości modelu

Programowanie

Generowanie, analizowanie i modyfikowanie kodu w wielu językach programowania. Obejmuje pisanie funkcji, debugowanie, refaktoryzację, code review, tworzenie testów. Mierzone benchmarkami takimi jak HumanEval, SWE-bench.

Kategoria: coding

Kodowanie agentowe

Wielogodzinne, wieloetapowe zadania programistyczne wykonywane samodzielnie przez model: klonowanie repozytorium, uruchamianie testów, iteracja poprawek, integracja z narzędziami CLI. Charakterystyczne dla wariantów Codex (GPT-5.1-Codex-Mini, Codex-Max).

Kategoria: coding

Zdolności agentowe

Zdolność modelu do autonomicznego planowania i wykonywania wieloetapowych zadań poprzez sekwencyjne użycie narzędzi, utrzymywanie kontekstu i adaptację do wyników pośrednich.

Kategoria: planning

Użycie narzędzi

Zdolność modelu do wywoływania zewnętrznych funkcji, API i narzędzi w trakcie rozmowy: kalkulator, wyszukiwarka, edytor kodu, baza danych. Model decyduje kiedy i jak użyć narzędzia oraz interpretuje jego wynik.

Kategoria: planning

Wywoływanie funkcji

Natywne wsparcie dla ustrukturyzowanego wykorzystania narzędzi, umożliwiające przepływy pracy oparte na agentach.

Kategoria: planning

Przestrzeganie instrukcji

Precyzyjne wypełnianie wskazówek zawartych w prompcie: format odpowiedzi, długość, styl, ograniczenia (np. 'odpowiedz w sześciu słowach'). GPT-5.1 znacząco poprawił tę zdolność względem GPT-5.

Kategoria: language

Planowanie

Tworzenie i realizacja planów działania dla złożonych zadań.

Kategoria: planning

Wieloetapowe wykonywanie projektów

Zdolność samodzielnego prowadzenia wielogodzinnych, wielokrokowych projektów: dekomponowanie zadania, planowanie sekwencji działań, iteracyjne dostarczanie wyników, korekta na podstawie feedbacku. Kluczowa dla agentów enterprise i knowledge work.

Kategoria: planning

Długi kontekst

Obsługa dużych okien kontekstowych — dziesiątek do setek tysięcy (lub milionów) tokenów wejścia. Umożliwia analizę całych baz kodu, długich dokumentów, wielu równolegle rozmów bez utraty wcześniejszych informacji. GPT-5.1 wspiera 400 000 tokenów.

Kategoria: language

Wielojęzyczność

Kompetencje w wielu językach naturalnych (od kilku do stu+): rozumienie, generowanie, tłumaczenie, code-switching w obrębie jednej rozmowy. Modele frontier obsługują szeroki wachlarz języków ze zbliżoną jakością.

Kategoria: language

Rozumowanie

Zdolność modelu do logicznego wnioskowania i rozwiązywania złożonych problemów.

Kategoria: reasoning

Rozumowanie matematyczne

Zdolność modelu do rozwiązywania zadań matematycznych wymagających wieloetapowego rozumowania — równania, dowody, kombinatoryka, geometria, rachunek różniczkowy, zadania konkursowe.

Kategoria: reasoning

Wsparcie MCP

Natywne wsparcie protokołu Model Context Protocol - model potrafi integrować się z zewnętrznymi serwerami MCP, wywoływać ich narzędzia i korzystać z ich źródeł danych bez dedykowanego wrappera.

Kategoria: other

Przeglądanie internetu

Zdolność modelu do samodzielnego wyszukiwania i przeglądania stron internetowych w celu pozyskania aktualnych informacji.

Kategoria: other

Wyniki benchmarków

11 benchmarków

SWE-bench

resolved · Verified

74.0%