Компания MiniMax представила в открытом доступе MiniMax-M2 — высокоэффективную нейросеть с 230 миллиардами параметров, которая объединяет отличную производительность с рациональным использованием ресурсов.
Модель уже доступна для всех желающих — её можно испытать через веб-агента, интегрировать в свои разработки с помощью API или скачать на Hugging Face для локального использования. Postium собрал основные сведения о новой модели MiniMax.
Читайте также: 6 лучших ИИ-чат-ботов
Возможности нейросети MiniMax-M2
MiniMax-M2 представляет собой модель ИИ типа MoE (Mixture of Experts), что означает, что внутри неё находятся десятки специализированных «экспертов», но при каждом запросе активны только нужные — всего около 10 миллиардов параметров из 230 миллиардов в общей сложности.
Особенность заключается в том, что при 10 миллиардов активных параметров модель реагирует быстрее, меньше нагружает серверы, что снижает стоимость обслуживания и упрощает масштабирование (можно одновременно запускать десятки агентов). Она способна планировать действия и выполнять их последовательно, взаимодействуя с кодом, файлами и интернетом.
На практике это означает, что M2 работает быстрее, чем такие гиганты, как GPT-5 или Gemini 2.5, значительно дешевле, сохраняя при этом высокое качество ответов.
Вот что она умеет:
- Корректировать и дополнять код в крупных проектах (редактирование нескольких файлов);
- Автономно запускать, проверять и исправлять программы (цикл «coding-run-fix»);
- Работать с терминалом, браузером, поисковыми системами и внешними инструментами;
- Понимать задачи на различных языках программирования;
- И даже планировать сложные последовательности действий — например, находить информацию, проверять её и составлять отчёт.
Результаты на бенчмарках
По информации исследовательской группы Artificial Analysis, MiniMax-M2 продемонстрировала выдающиеся результаты среди всех открытых моделей по общей «оценке интеллекта».
Она успешно прошла десятки бенчмарков (тестов):
- SWE-Bench и Terminal-Bench — задачи для разработчиков: M2 успешно решала реальные ошибки в репозиториях и работала с терминалом почти на уровне GPT-5.
- BrowseComp — тест на способность действовать в интернете: искать информацию, переходить по ссылкам, собирать доказательства. M2 показала уверенные результаты как в английской, так и в китайской версиях.
- GAIA и τ²-Bench — комплексные проверки «общего интеллекта», планирования и рассуждений. Здесь MiniMax-M2 также вошла в число лидеров.
Отдельно исследователи отметили, что модель обладает впечатляющим балансом: она сильна как в программировании, так и в математике и рассуждениях, несмотря на то, что активных параметров у неё в 7 раз меньше, чем у некоторых конкурентов.
Как использовать MiniMax-M2
MiniMax предлагает три способа:
- MiniMax Agent — веб-приложение, где можно попробовать модель прямо в браузере (по ссылке).
- MiniMax Open Platform API — для разработчиков, чтобы интегрировать M2 в свои сервисы.
- Hugging Face — возможность скачать веса модели и запустить локально.
Для локального развёртывания компания рекомендует использовать фреймворки vLLM и SGLang — они уже поддерживают M2 «из коробки». Рекомендуемые параметры для работы: temperature=1.0, top_p=0.95, top_k=40.
Существует и техническая особенность: MiniMax-M2 — это модель «interleaved thinking», то есть она «думает вслух» в процессе вывода. Разработчики просят не удалять части текста внутри тегов <think>…</think>, иначе качество рассуждений модели может ухудшиться.
Почему это имеет значение? MiniMax-M2 является шагом к более практичному и экономичному искусственному интеллекту. Она демонстрирует, что большие вычислительные мощности могут быть упакованы в компактной форме, не теряя производительности.
Итог: На практике это означает, что любой разработчик теперь может использовать MiniMax-M2 для создания собственного ИИ-агента или код-ассистента на уровне коммерческих решений — без значительных затрат и ограничений. Проще говоря, MiniMax предоставила миру «движок» для создания чат-ботов, подобных ChatGPT.
Ранее команда LongCat из Meituan представила нейросеть для генерации длинных видео.
