MiniMax-M2
- 输入 输入模态: 文本 输出 输出模态: 文本
- 推理
- 工具调用
- 开放权重
价格
2 个渠道报价 · 按标价显示 MiniMax API（在新标签页打开）
MiniMax-M2| 条件/ 百万 tokens | 输入 | 缓存读取 | 缓存写入 | 输出 |
|---|---|---|---|---|
| 标准 自 2026年10月19日 起页面不再列出 | ¥2.10 | ¥0.21 | ¥2.625 | ¥8.40 |
价格来源 MiniMax 按量计费价格（在新标签页打开） (核对于 2026年10月18日)
MiniMax API（在新标签页打开）
MiniMax-M2| 条件/ 百万 tokens | 输入 | 缓存读取 | 缓存写入 | 输出 |
|---|---|---|---|---|
| 标准 自 2026年10月19日 起页面不再列出 | $0.30 | $0.030 | $0.375 | $1.20 |
价格来源 MiniMax pay-as-you-go pricing（在新标签页打开） (核对于 2026年10月19日)
标准：不带任何条件的请求所付价格（即本站其他页面显示的标价）。
详细规格
- 许可证
- MIT
- 模型家族
- minimax-m
- 模型 ID
MiniMax 的页面未说明：最长输入, 推理档位, 可关闭推理, 最大思考预算, 结构化输出, 内置工具, 知识截止, 别名。
本地运行
权重： MiniMaxAI/MiniMax-M2- 参数 228.7B
- 激活 10B · 专家 256（每 token 8）
- 原生精度 FP8
- 层数 62
- 每 token 的 KV 缓存 248 KB
- 配置位置数 192K （config.json max_position_embeddings）
- API 上下文 200K （厂商 API）
在你的配置上 · GeForce RTX 4090
✕放不下 IQ4_XS （自动） 8K 上下文
权重KV 缓存运行开销可用上限
- 需要
- ≈ 120.7 GB (权重 113.1 + KV 缓存 1.9 + 开销 5.7)
- 可用
- 21.6 GB (标称的 90%)
- 建议
- 换成 IQ2_XXS 就能跑（需放到内存，但低于 4 bit，质量下降明显）
| 推荐精度 | 权重 | 8K 需要 | 在你的配置上 | 最长上下文 |
|---|---|---|---|---|
| 原生 FP8官方 | 214.3 GB | ≈ 227.0 | ✕放不下 | — |
| Q6_K | 174.9 GB | ≈ 185.6 | ✕放不下 | — |
| Q5_K_M | 151.5 GB | ≈ 161.0 | ✕放不下 | — |
| Q5_0 | 146.4 GB | ≈ 155.7 | ✕放不下 | — |
| Q4_K_M | 129.4 GB | ≈ 137.8 | ✕放不下 | — |
| Q4_0 | 119.8 GB | ≈ 127.7 | ✕放不下 | — |
| IQ4_XS | 113.1 GB | ≈ 120.7 | ✕放不下 | — |
| Q3_K_M质量下降明显 | 104.1 GB | ≈ 111.2 | ✕放不下 | — |
| IQ3_XXS质量下降明显 | 81.5 GB | ≈ 87.5 | ✕放不下 | — |
| Q2_K质量下降明显 | 79.9 GB | ≈ 85.8 | ✕放不下 | — |
| IQ2_XXS质量下降明显 | 54.8 GB | ≈ 59.5 | ○需放到内存 24–36 tok/s | — |
点一行换精度。“官方”是厂商自己发布的文件，大小是实际值；其余按参数量 × 每权重位数估算。
和其他配置比
每个配置各用它能跑的最高精度，点一个看细节。
最低需要（Q4_K_M · 8K）：显卡 NVIDIA B200 (HGX B200)；统一内存 Apple M5 Ultra (64-core GPU) · 256 GB。
运行命令
厂商没有发布这个精度的文件。可选原生精度或厂商自己的版本，或用 llama.cpp 自己量化。
微调需要多少显存
全参≈ 3410.7 GB你的配置放不下
LoRA≈ 429.3 GB你的配置放不下
QLoRA≈ 123.1 GB你的配置放不下
batch 1、序列 2048、梯度检查点；LoRA / QLoRA 为注意力投影上的 r=16 适配器。
估算；数据来自厂商的 Hugging Face 仓库，截至 2026-11-06。 怎么估算的
引用评分
来自第三方排行榜，并非我们测得- LMArena Text 1,344
第 128 名，共 163 个上榜模型 · 置信区间 1,336–1,351 · 6,850 票
- EQ-Bench Longform Writing 46.4
第 77 名，共 92 个上榜模型
- LMArena Text · Chinese 1,369
第 126 名，共 161 个上榜模型 · 置信区间 1,342–1,396 · 452 票
- LMArena Text · Coding 1,383
第 134 名，共 163 个上榜模型 · 置信区间 1,368–1,398 · 1,546 票
变更
全部变更 →暂无变更记录。
来源
- MiniMax pay-as-you-go pricing（在新标签页打开） platform.minimax.io · 核对于 2026年10月19日
- MiniMax 按量计费价格（在新标签页打开） platform.minimaxi.com · 核对于 2026年10月18日
- MiniMax text generation（在新标签页打开） platform.minimax.io · 核对于 2026年10月19日
- Anthropic SDK（在新标签页打开） platform.minimax.io · 核对于 2026年11月1日
- MiniMax models（在新标签页打开） platform.minimax.io · 核对于 2026年10月19日
- MiniMax model release notes（在新标签页打开） platform.minimax.io · 核对于 2026年11月1日
- MiniMaxAI/MiniMax-M2 model card（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- MiniMaxAI/MiniMax-M2 model card（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- MiniMaxAI/MiniMax-M2 model card（在新标签页打开） huggingface.co · 核对于 2026年10月30日
- MiniMaxAI/MiniMax-M2 config.json（在新标签页打开） huggingface.co · 核对于 2026年10月31日
- MiniMaxAI/MiniMax-M2 files（在新标签页打开） huggingface.co · 核对于 2026年10月31日
- MiniMaxAI/MiniMax-M2 README.md（在新标签页打开） huggingface.co · 核对于 2026年11月5日
- GitHub - MiniMax-AI/MiniMax-M2: MiniMax-M2, a model built for Max coding & agentic workflows. · GitHub（在新标签页打开） github.com · 核对于 2026年10月31日
MiniMax · 中国 · minimax.io
相关模型
快照、同系列与同厂商的其他模型