
MiniMax 是由 MiniMax AI 開發的頂尖大型語言模型(LLM)套件,旨在透過前沿人工智慧重新定義現實世界的生產力。此生態系包含專為高效率專業環境打造的 MiniMax M2.5,以及在多語言程式設計能力上大幅強化、可駕馭複雜大型技術任務的 MiniMax M2.1。憑藉在程式碼編寫、代理式工具使用、智慧搜尋與辦公工作流程自動化方面達到 SOTA 表現,MiniMax 讓使用者能以無與倫比的精準度與可靠性,簡化各種具高經濟價值的作業。
MiniMax 由 MiniMax 開發。Atlas Cloud(由 Atlas Cloud AI LLC 營運)僅提供接取服務,並不擁有該模型。所有商標均歸其各自所有者所有。
Atlas Cloud 為您提供最新的行業領先創意模型。
清楚了解各個 MiniMax endpoint 可接受的輸入、產生的輸出與費用,涵蓋文字、程式撰寫、agentic workflows 與音樂生成。
| 模態 | 說明 |
|---|---|
| MiniMax M3 API (Text) | 需要快速的 agentic model 嗎?MiniMax M3 可將文字提示轉換為程式碼、tool calls 與推理,採用輕量級 10 billion activated parameter 核心打造,兼顧低延遲與可擴展性。標準定價為每百萬 input tokens $0.6、每百萬 output tokens $2.4;當 prompt 超過 512K tokens 後,會套用獨立級距。適合長時間、工具密集的 agent sessions 與現代應用程式開發。 |
| MiniMax M2.7 (Text) | MiniMax M2.7 可將自然語言指令轉換為可上線的程式碼與多步驟 agent actions,並採用相同的 10 billion activated parameter 設計以提供高吞吐量。標準定價為每百萬 input tokens $0.3、每百萬 output tokens $1.2,讓大規模 agentic runs 也能維持經濟效益。當你更重視可靠的程式撰寫與 app-building 能力,而不是單純追求模型規模時,這會是合適選擇。 |
| MiniMax M2.5 (Text) | 如果你的工作負載需要價格實惠且可擴展的推理能力,MiniMax M2.5 以精簡的 10 billion activated parameter engine 處理程式撰寫、agentic orchestration 與日常應用程式開發。定價為每百萬 input tokens $0.3、每百萬 output tokens $1.2,cached input 則為每百萬 $0.03,可降低重複使用上下文的成本。這使它成為高流量、重複利用 context pipelines 的實用預設選項。 |
將先進模型與 Atlas Cloud 的 GPU 加速平台相結合,為圖像和影片生成提供無與倫比的速度、可擴展性和創意控制。

MiniMax M2.5 支援超過 10 種程式語言,包括 Rust、Go 和 Python,可協助在 Web、行動與桌面平台上進行完整的全端開發。透過整合專業文件排版與財務建模等深厚產業知識,從系統架構設計到最終交付測試皆能順暢銜接。它是處理複雜軟體工程與高風險辦公生產力工作流程的決定性解決方案。

M2.5 架構在端到端執行上達成 37% 的速度提升,在 SWE-bench 上將複雜任務耗時從 31.3 分鐘大幅縮短至 22.8 分鐘。透過最佳化任務拆解邏輯,模型在 BrowseComp 等基準測試中達成目標所需的 tokens 與搜尋輪次減少 20%。它提供精簡高效的高速決策解決方案,同時消除多餘的運算開銷。

推理 tokens 會在多輪對話之間保留下來,因此模型在多輪 agent 對話的每一步都能帶著先前的思考脈絡繼續推進。這種交錯思考讓它能夠規劃、行動、觀察並修正,而不會丟失推導至當前狀態的邏輯。其效益是更穩定的長程決策能力;當單一任務橫跨多次連續工具呼叫時,這會成為決定性優勢。

MiniMax 建構於原生 Agent RL 框架之上,將核心引擎與 agent 腳手架解耦,以便泛化到數十萬個多樣化的真實世界環境。它整合精密的過程獎勵機制,利用即時執行回饋來精煉推理路徑,並確保頂尖的輸出品質。這打造出高度自適應的系統,能在最大化整體作業回應速度的同時維持卓越準確度。

每個傳送至 MiniMax M2.1 的請求都具備 196,608-token context window,足以在單次處理中容納龐大的 monorepos、數百頁規格文件或冗長的 agent transcripts。由於完整脈絡會常駐保留,模型能追蹤跨檔案相依性,而不會在任務中途失去主線。處理大型 codebases 與高密度研究語料的團隊,可獲得短 context 模型無法匹敵的一致性。

Function calling 讓 MiniMax M2.1 成為主動式 agent,可在長程規劃中協調 shell commands、browser sessions、Python execution 與 MCP tools。它能串接數十個步驟、讀取執行回饋並自我修正,而不是在取得第一個結果時就停下來。它在 Terminal-bench 2.0 上取得 47.9% 的分數,為自主化 build、test 與 deployment loops 提供可靠基礎。

一把 OpenAI-compatible key 即可解鎖完整 MiniMax lineup,從 M2、M2.1 到 M2.5、M2.7 與 M3,並支援 Anthropic SDK 與 raw HTTP access。只要編輯單一 model string 就能切換層級,無需重新改接技術堆疊。Prompt caching 會以每百萬 tokens $0.03 計費重複 context,因此迭代式 agent loops 與長篇 system prompts 在規模化使用時仍能維持可負擔成本。
把完全相同的建置 prompt 丟給 MiniMax API 和兩個競爭模型,看看它們如何把單一指令轉化成可運作的單檔網頁。
一個精緻、單檔、自包含的 HTML 頁面(僅使用 inline CSS 與 JavaScript——絕對不使用外部函式庫、CDN、字型或圖片 URL;所有材質都必須純粹由 CSS 漸層、box-shadow 與 inset shadow 建構),呈現一座可互動、擬物化的 LETTERPRESS TYPESETTING WORKBENCH:讓整個 viewport 充滿溫潤的胡桃木工作檯面(多層棕色漸層 + 透過 repeating linear-gradients 與近似雜訊的陰影點描呈現細緻木紋),由左上方一盞溫暖的鎢絲燈照亮,使刷紋金屬部件帶有柔和的鏡面高光,所有凸起物件都向右下方投下長而柔的陰影。左側:一個分格字盤(California job case),格子中放著細小的浮雕鉛字 sorts(字母、數字、標點),每個 sort 都是帶斜角的金屬字塊,表面有凸起的鏡像反轉字形。中央:一個打開的 composing stick / galley tray,用來累積排好的鉛字。提供完整可運作的排字流程:(1) 使用者可用實體鍵盤輸入,或點擊字盤中的 glyph;每輸入一個字元,就有一個鉛字 sort 從對應格子飛出並落入 composing stick,伴隨俐落的「clack」微彈跳落定動畫;(2) sorts 之間可拖曳的細鉛間隔塊,讓使用者透過拖曳調整 letter-spacing/kerning,並即時重排版面;(3) 一支可旋轉的墨輥(brayer),使用者可拖曳它滾過鎖版後的 forme,在凸起字面留下帶光澤的深靛藍墨層(具有動畫化移動鏡面反射);(4) 一支下拉式壓印拉桿,使用者按住(click-and-hold 或按鈕)後,會將一張奶油色手工紋紙降到上墨的 forme 上並完成壓印——高潮時刻是拉桿彈回,同時新印出的詩行出現在紙上,呈現真正凹印的活版印刷字體:每個字母都壓入紙面,以 inset shadow 呈現實體凹痕,墨水微微滲開/毛邊化進入可見的紙纖維紋理,字塊周圍有淡淡的版壓光暈。色彩:以焦赭色、刷紋黃銅金與溫暖奶油/米紙白為主,深靛藍墨水是唯一的冷色點綴。加入觸覺細節:黃銅拇指螺絲、quoin lock、木色按鈕搭配真實的按下/啟用狀態,以及每個 transition 都採用令人滿足的 easing(彈簧感 cubic-bezier)。讓它具備響應式設計(能優雅縮放到平板寬度),所有狀態都保存在 vanilla JS 中,並讓使用者能編排一整行短詩、上墨、拉印,最後得到一張值得細看的印樣——整體必須充滿手工感、重量感與儀式感,並透過動作與陰影,而非任何外部素材,傳達落下、拖曳與壓印的物理質感。
Generated with MiniMax M3 on Atlas Cloud
Generated with Grok 4.5 on Atlas Cloud
Generated with MiniMax M2.7 on Atlas Cloud
建立一個單一、完整、自包含的 HTML 檔案,可直接在任何現代瀏覽器中開啟且零外部依賴——所有 CSS 與 JavaScript 都必須 inline,且不得使用外部函式庫、CDN、字型或圖片 URL(所有內容都以 Canvas 2D 或程式產生的 SVG 繪製)。打造一個互動式「Brass Gear Train Workbench」:一個可拼接的機械齒輪模擬器,呈現在佈滿灰塵的工程藍圖桌面上,使用者可以組裝一組可運作的 geartrain,並觀看具備真實物理精度的旋轉如何沿著鏈條傳遞。 核心互動與模擬需求: - 將主舞台渲染為藍圖製圖表面:深工程藍紙上有細密的青色網格、淡淡的灰塵薄膜與暗角,邊緣還有尺寸刻度與製圖註記。 - 提供左側零件箱/側邊欄,內含數種不同尺寸的齒輪(不同齒數 / modules,例如 12、18、24、36、48 teeth)。使用者可從零件箱拖曳齒輪到舞台;放開時會吸附到網格。 - 每個齒輪都必須繪製成真實的 involute-style 齒形輪,採黃銅色調——溫暖金色本體、帶老化銅綠的輪緣、象牙色高光、可見的輪轂、輻條與中心孔——並加上細緻斜角陰影,讓金屬質感確實像金屬。 - 實作真正的嚙合偵測:當兩個已放置齒輪的中心距離等於其 pitch radii 之和(module × teeth / 2)且在容差範圍內時,它們會自動嚙合並鎖定為受驅動鏈;在齒牙互鎖處繪製嚙合指示。鏈條可透過多個齒輪分支。 - 在左下角放置一個曲柄手輪,作為視覺與機械原點。使用者可轉動曲柄(拖曳旋轉,或按住按鈕);整條嚙合鏈接著依序旋轉。必須嚴格依照 gear ratio 計算每個下游齒輪的角速度與方向(ω_out = ω_in × N_in / N_out,每次嚙合方向交替),並讓齒牙在接觸點保持完美相位鎖定,避免可見的齒牙重疊或穿透。 - 鏈條末端齒輪會驅動一支指針掃過帶數字的 dial gauge;指針必須顯示由累積 gear ratio 推導出的真實讀數(以即時文字顯示計算出的 output RPM 與 total ratio)。 - 如果使用者嘗試放置齒形無法嚙合的齒輪(間距/module 不相容),該接合點必須卡死:閃紅、停止將動力傳遞到壞接點之後,並顯示一個小型「tooth mismatch」警告。 - 加入一道光束:一束溫暖的晨光從上方窗戶斜射穿過舞台,光束中有漂浮的塵埃粒子動畫,齒輪轉動時有溫暖的鏡面閃光滑過齒面,讓這台機器看起來像正在甦醒。 視覺與 UX 潤飾: - 美術方向:復古工程手繪線條融合擬真金屬——藍圖細網格鋪在黃銅、老化青銅、銅綠藍綠與象牙白之下;溫暖側光搭配長而柔的投影,塑造體積與深度。 - 構圖應讓曲柄被視為入口點,傳動鏈則以對角線切過畫面。 - 加入簡潔 HUD,顯示 crank speed、total gear ratio、output RPM 與 gear count,並提供小型控制項用於反轉曲柄、清空舞台,以及用 slider 調整 crank speed。 - 一切都必須流暢(requestAnimationFrame)、能響應視窗大小,並持續互動運行——拖曳、吸附、嚙合與讀數更新都應即時回應。讓它感覺觸手可及、精準且充滿生命力。
Generated with MiniMax M3 on Atlas Cloud
Generated with Grok 4.5 on Atlas Cloud
Generated with MiniMax M2.7 on Atlas Cloud
從多語言全端建置到自主辦公代理,MiniMax API 將 M2.1 的編碼深度與長週期工具使用能力轉化為您的團隊每天都能交付的工作流程。
MiniMax M2.1 能以 Rust、Go、TypeScript、C++ 等語言撰寫與審查生產級程式碼,涵蓋從低階系統到應用層的各個層面。建置多語言服務的團隊可仰賴它維持每一層的一致性。
當 Android 與 iOS 功能需要同步上線時,MiniMax API 會產生符合平台慣例的 Kotlin、Swift 與 Objective-C 程式碼。這讓小型團隊不必分散工程資源,也能同時維護兩大商店版本。
透過 function calling 將 M2.1 串接到你的代理迴圈中,用來規劃多步驟任務、執行工具,並在長時程作業中自我修正。開發者可用它打造能完成真實工單、而不只是產生程式片段的助理。
M2.1 可作為數位員工,根據純文字指令執行行政、財務、資料科學與 HR 等端到端任務。營運團隊可部署它,大規模清理重複性的後勤辦公工作。
需要在不熟悉的 repository 中進行重構嗎?憑藉 196.61K token 的 context window,M2.1 可一次讀取數百個檔案,追蹤相依關係,並找出遷移實際需要的變更。
出色的設計理解能力讓 MiniMax API 能打造精緻的 Web 前端、複雜互動,甚至是 3D 科學場景模擬。產品團隊可直接從 prompt 交付資料豐富的儀表板與視覺化內容。
在 Atlas Cloud 上將 MiniMax API 與競爭的智能體和程式設計模型進行對比,詳細評估其上下文視窗、輸出上限以及按需付費的 token 定價。
| Model | Context Window | Max Output | Input Price ($/1M) | Output Price ($/1M) |
|---|---|---|---|---|
| MiniMax M3 | 524K tokens | 512K tokens | $0.60 / $1.20 (>512K) | $2.40 / $4.80 (>512K) |
| MiniMax M2.7 | 196K tokens | 196K tokens | $0.30 | $1.20 |
| MiniMax M2.5 | 196K tokens | 196K tokens | $0.30 | $1.20 |
| Kimi K2.7 Code | 262K tokens | 262K tokens | $0.95 | $4.00 |
| GLM 4.7 | 203K tokens | 203K tokens | $0.60 | $2.20 |
| DeepSeek V4 Flash | 1M tokens | 393K tokens | $0.14 | $0.28 |
幾分鐘即可上手 — 按照以下簡單步驟,透過 Atlas Cloud 平台整合和部署模型。
在 atlascloud.ai 註冊並完成驗證。新用戶可獲得免費額度,用於探索平台和測試模型。
將先進的 MiniMax 模型與 Atlas Cloud 的 GPU 加速平台相結合,提供無與倫比的效能、可擴展性和開發體驗。
低延遲:
GPU 最佳化推理,實現即時回應。
統一 API:
一次整合,暢用 MiniMax、GPT、Gemini 和 DeepSeek。
透明定價:
按 Token 計費,支援 Serverless 模式。
開發者體驗:
SDK、資料分析、微調工具和模板一應俱全。
可靠性:
99.99% 可用性、RBAC 權限控制、合規日誌。
安全與合規:
SOC 2 Type II 認證、HIPAA 合規、美國資料主權。
MiniMax API 讓開發者能以程式化方式存取由 MiniMax AI 建置的 MiniMax 大型語言模型系列;這一系列模型針對程式撰寫、agentic 工具使用與長程推理而設計。在 Atlas Cloud 上,你可以透過單一 OpenAI-compatible endpoint 使用這些模型,享有透明的按量付費定價,並在新版本發布當天(Day-0)即可存取。
Atlas Cloud 託管 M-series 文字模型,包括 MiniMax M2.5、MiniMax M2.7 與旗艦 MiniMax M3,並提供用於文字轉音樂生成的 MiniMax Music 2.6。所有模型都共用相同的驗證方式與 endpoint,因此要在模型之間切換,只需要更改請求中的單一 model identifier。
這些模型針對端到端軟體工程進行最佳化,能處理多檔案編輯、compile-run-fix 迴圈,以及跨多種程式語言、經測試驗證的修復。它們在需要 function calling、多步驟規劃,以及從執行錯誤中復原的 agentic 場景中也表現穩定,因此非常適合自主 coding agents 與 tool-driven workflows。
由於 MiniMax API is OpenAI-compatible,你可以將標準 OpenAI SDK 指向 Atlas Cloud base URL,傳入你的金鑰,並將 model 欄位設為你想使用的版本。Streaming、function calling 與 JSON-structured output 都透過同一個介面運作,因此大多數既有整合只需要更改 base URL 與金鑰即可開始使用。
Context windows 會依版本而異。MiniMax M2 支援約 200K tokens,足以在單一請求中載入大型 codebase 或冗長文件;較新的 M3 則將此擴展到約 1 million tokens。當你的任務橫跨多個檔案或長篇參考資料時,建議選用更高 context 的模型。
計費採按量付費,依 token 計量,無需訂閱。M2-series 文字模型起價為每百萬 input tokens $0.30、每百萬 output tokens $1.20;容量更高的 M3 則為每百萬 input $0.60、每百萬 output $2.40,cached input 會以較低費率計費。
是。MiniMax 已在修改版 MIT license 下開源 M-series 權重,該授權針對超大型商業部署加入了 attribution 要求。你可以自行託管權重進行評估,等到需要代管基礎設施、穩定 uptime,並免除 GPU 維護時,再轉移到 Atlas Cloud API。
MiniMax 旨在以大型專有模型的一小部分成本,提供 frontier-level 的程式撰寫與 agentic 品質;它採用 mixture-of-experts 設計,每個 token 只啟用其 230 billion 參數中的約 10 billion。若你的工作負載是程式碼生成、重構,或預算有限的 tool-using agents,它能在能力、速度與價格之間提供強大的平衡。Benchmark 排名會隨每次發布而變動,因此在正式採用前,請先用你自己的任務驗證目前版本。
指南、教學與產品動態,助你充分發揮 Atlas Cloud 的價值。