MiniMax M2

系统要求

不同量化方法和上下文大小的显存要求

关于 MiniMax M2

MiniMax M2 是由 MiniMax 开发的一种稀疏混合专家（MoE）Transformer 模型，旨在为复杂的编程和智能体工作流提供高效能表现。该架构的总参数量为 2290 亿，但在推理过程中每个 token 仅激活约 100 亿参数，从而实现了极高的知识储备与计算吞吐比。这种设计使模型能够以小型稠密模型级别的延迟，处理诸如多文件仓库编辑和“代码-运行-修复”迭代循环等长周期任务。

该模型的架构基础建立在全注意力机制之上，并引入了旋转位置编码（RoPE）以实现稳定的长文本处理。它采用均方根层归一化（RMSNorm）和 SiLU (Swiglu) 激活函数，以确保训练的稳定性和表征的高效性。在架构上，它包含 32 个隐藏层，隐藏层维度为 4096，并采用 Top-2 路由策略在其内部专家模块间分配计算任务。128,000 token 的上下文窗口支持摄取大型技术文档和大规模代码库，有助于对深层信息层级进行连贯推理。

针对自主智能体环境，MiniMax M2 通过结构化的推理追踪系统为外部工具集成提供原生支持。该模型在对话轮次间保持内部决策日志，使其能够从 Shell 环境或网页浏览任务的执行错误中恢复。其高效的推理占用空间使其成为持续集成流水线和集成开发环境（IDE）的理想部署选择，满足快速反馈周期和低运营成本的需求。

技术规格

资源

关于 MiniMax M2

MiniMax 专为编程和智能体工作流打造的高效 MoE 模型。

其他 MiniMax M2 模型

• 没有相关模型