Model Releases
MiniMax M2: Открытая модель с 230B параметрами и MoE-архитектурой
MiniMax M2 представляет собой новую открытую модель с улучшенным логическим мышлением и генерацией, использующую 230B параметров.
23 октября 2025 г.
Model ReleaseMiniMax M2
Введение: Почему MiniMax M2 важен для разработчиков
Компания MiniMax официально представила новую версию своей флагманской модели MiniMax M2, которая стала важным шагом в мире открытого ИИ. Эта модель выделяется не только своими характеристиками, но и подходом к лицензированию, предоставляя разработчикам полный доступ к весам модели. В отличие от многих проприетарных решений, MiniMax M2 позволяет исследователям и инженерам глубоко изучать архитектуру и адаптировать модель под специфические задачи без ограничений коммерческих лицензий.
Релиз модели состоялся 23 октября 2025 года, и он сразу привлек внимание сообщества из-за значительных улучшений в области логического вывода и генерации кода. Для разработчиков это означает возможность интеграции передовых возможностей в собственные продукты, сохраняя контроль над данными и стоимостью. Open weights становятся стандартом, и MiniMax M2 укрепляет позиции компании как одного из лидеров в области доступных мощных моделей.
- Дата релиза: 23 октября 2025 года
- Тип: Open-source с открытыми весами
- Целевая аудитория: Инженеры и исследователи ИИ
Архитектура и ключевые особенности
Техническая архитектура MiniMax M2 построена на основе Mixture of Experts (MoE) с общим количеством параметров 230 миллиардов. Это позволяет модели эффективно обрабатывать сложные задачи, активируя только необходимые эксперты для конкретного запроса. Модель поддерживает широкое окно контекста, что критически важно для обработки длинных документов и многошаговых агентов. Кроме того, модель демонстрирует нативную поддержку мультимодальных возможностей, включая обработку текста и изображений.
Особое внимание уделено агентским возможностям, что позволяет модели самостоятельно выполнять сложные исследовательские задачи. MiniMax заявляет, что модель способна выполнять 30-50% исследовательского рабочего процесса по подкреплению обучения без внешнего вмешательства. Это делает M2 идеальным выбором для автоматизации рутинных задач в разработке программного обеспечения и анализе данных.
- Параметры: 230B MoE
- Контекстное окно: Поддержка длинных контекстов
- Мультимодальность: Текст и изображения
Производительность и бенчмарки
В тестах MiniMax M2 демонстрирует результаты, превосходящие многие коммерческие модели, включая Claude Opus 4.6. На бенчмарке Swaybench Pro модель показала значительное преимущество, подтверждая её эффективность в сложных сценариях. Результаты тестирования на HumanEval и MMLU также свидетельствуют о высоком уровне понимания программирования и общих знаний. Эти метрики подтверждают, что модель готова для реального продакшена.