首页
模型介绍
Minimax最新发布的旗舰机型具备卓越的综合性能、先进的编程能力、强大的智能体表现以及高效的架构设计。
左右滑动查看更多
语言理解能力
可理解复杂语境并生成逻辑连贯的句式，但在语气把控上偶有偏差。
8.1
知识覆盖范围
掌握主流学科核心知识体系，但对前沿交叉学科覆盖有限。
8.4
推理能力
无法保持连贯推理链条，常出现因果倒置或数据误算。
3.6
模型比较
相关模型
MiniMax-M2.7
MiniMax-M2.7 是 MiniMax 推出的新一代通用大型模型。通过构建 Agent Harness 系统，该模型能够深度参与自身的训练与优化流程，在某些研发场景中可承担 30%–50% 的工作量，并在内部评估基准测试中的性能提升约 30%。
MiniMax-M2
Minimax 最新发布的旗舰机型具有出色的通用能力、先进的编程能力、强大的代理性能和高效的架构设计。
MiniMax-Text-01
MiniMax-Text-01 是一个强大的语言模型，拥有总计 4560 亿个参数，其中每个 token 激活 459 亿个参数。为了更好地发挥模型的长上下文能力，MiniMax-Text-01 采用了一种混合架构，结合了 Lightning Attention、Softmax Attention 和专家混合（MoE）技术。
MiniMax-M1-80k
Minimax 发布的全球首个人工智能开源权重大规模混合注意力推理模型
abab6.5
abab6.5是由MiniMax生产的API模型，版本号为abab6.5。abab6.5系列是一个万亿参数的专家混合（MoE）大型语言模型。abab6.5适用于复杂场景，如应用问题计算、科学计算等类似场景。abab6.5s适用于通用场景。
相关文档
内部细节曝光：下一代 Gemini 算力紧张，内部团队在开发优先级和资源分配上存在分歧
报告显示，谷歌备受期待的下一代 Gemini 模型发布已被推迟。由于内部在开发优先级和资源分配上存在分歧，加上计算能力有限以及复杂的审批流程，导致发布时间延后了两个月。尽管谷歌拥有定制的 TPU 芯片，但由于模型训练、Google Cloud 服务以及众多消费和企业级 AI 应用对计算资源的需求相互竞争，谷歌仍面临计算资源短缺的问题。目前，高层管理人员正通过组织结构调整来解决这些部门间的冲突。与此同时，领导层也发生了变化，联合创始人谢尔盖·布林越来越多地参与到核心模型训练中，并倡导将资源专门用于
OpenAI 否认增长放缓担忧，称多个业务部门加速发展
针对外界对其销售增长放缓及未达内部基准的质疑，人工智能领域的领军企业 OpenAI 于 4 月 28 日（星期二）发表了一份信心十足的声明。该公司澄清称，其消费产品和企业服务正在快速推进，直接驳斥了近期关于业务放缓的猜测。针对该公司“未达成多项内部目标”的说法，OpenAI 将这些报道斥为“典型的标题党”。公司强调了企业对 AI 集成的强劲需求，并指出其广告业务早期增长前景良好。据 OpenAI 内部人士透露，公司内部情绪依然乐观。尽管市场竞争日益激烈，但公司正在向投资者传递信心，声称其商业
阿里巴巴超级杯：Qwen3.8-Max 重磅登场，代码与办公工具能力全面升级
阿里巴巴正式发布了Qwen3.8-Max，这是一款拥有2.4万亿参数的下一代基础大模型。这一重大AI进展在编码和专业办公任务等核心领域带来了显著的性能提升，展现了强大的技术能力。在权威的Arena大模型排名中，Qwen3.8-Max取得了令人瞩目的成绩，仅次于Anthropic的Claude系列，位居行业前列。这一里程碑标志着国内大模型在处理复杂任务方面取得了快速进展，为开发者和企业用户提供了先进的智能工具。该模型的API现已在Qwen AI平台上上线，并集成到新推出的“Qwen Offic
印度科技巨头投资3000万美元，打造微软Office的AI竞争对手
连续创业者 Bhavin Turakhia 正投入 3000 万美元自有资金，押注企业 AI 领域仍有新玩家的空间。他最新的创业项目 Neo 基于一个核心信念：传统的职场软件不能仅靠聊天机器人进行修补，而需要进行彻底的架构重构。46 岁的 Turakhia 有着支持雄心勃勃的企业科技项目的历史。在过去二十年中，他联合创立了 Directi、Radix、Titan 和 Zeta，在寻求外部投资之前，主要使用个人资本为这些项目提供资金。他正将同样的自力更生策略应用于 Neo。Turakhia 向
前OpenAI首席科学家Ilya的SSI首次发布模型
AI 取得了另一项重大里程碑。在从 OpenAI 离职后，前首席科学家伊利亚·苏茨克弗（Ilya Sutskever）创立了 Safe Superintelligence Inc.（SSI），该公司最近公布了其首个模型的详细信息。海外社交媒体上的报道指出，该团队正在利用 TTT（测试时训练）开发一个紧凑的推理引擎，这是他们在追求安全超级智能过程中的关键进展。这种新颖的架构专注于使模型能够“学习如何学习”。与在推理过程中保持参数静态的传统大型语言模型不同，该引擎在处理现实世界任务时会动态更新特定
