Minimax
MiniMax M2.5
Contexte total
204.8K
Sortie max.
131.1K
Date de sortie
N/A
MiniMax-M2.7MiniMax M2.7 reprend les éléments mis en avant par les sources : multi-agent collaboration, live débogage, root-cause analyse and office-document generation. Sa valeur principale se situe dans engineering productivity, modélisation financière and riches en documents flux de travail. La description doit donc insister sur ces caractéristiques propres au modèle, plutôt que le présenter comme un chatbot générique.
Context Window
204.8K tokens
Maximum Output
131.1K tokens
Release Date
18 mars 2026
Modalities
| Prix entrée | Prix sortie | Lecture cache |
|---|---|---|
| $0.3/M | $1.2/M | $0.06/M |
Reasoning
Tool calling
Temperature parameter
Attachments
Knowledge Base
Endpoint Protocols
MiniMax M2.7 est un modèle de raisonnement textuel axé sur l’ingénierie logicielle réelle, le travail coordonné d’agents et les livrables professionnels modifiables.
Il met en relation journaux, métriques de supervision, traces et éléments issus des bases de données pour diagnostiquer les défauts et prendre des décisions système.
Il prend en charge des équipes d’agents dotées de rôles stables et de décisions autonomes pour répartir et coordonner les travaux complexes.
Il réalise des modifications fidèles et successives de documents Word, Excel et de présentations, tout en conservant des livrables modifiables.
MiniMax M2.7 convient à l’analyse des incidents de production, aux projets d’ingénierie collaborative et à la préparation itérative de supports professionnels.
Examiner les journaux, traces, métriques et l’état des bases de données afin d’identifier une cause probable et de préparer un plan de reprise ou de correction ciblé.
Répartir l’analyse, l’implémentation et la vérification entre des rôles d’agents coordonnés, puis réunir leurs productions en un résultat d’ingénierie cohérent.
Rédiger et améliorer en plusieurs passes des rapports, feuilles de calcul ou présentations tout en conservant leur structure et leur caractère modifiable.
import OpenAI from "openai"
const client = new OpenAI({
apiKey: process.env.TOKENHUB_API_KEY,
baseURL: "https://us-api.tokenhub.com/v1",
})
const result = await client.chat.completions.create({})
console.log(result.choices[0]?.message?.content)MiniMax-M2.7
| Score d’indice | ||
|---|---|---|
| Artificial Analysis Intelligence Index | Synthèse générale des capacités par Artificial Analysis | 38.1 |
| Artificial Analysis Coding Index | Synthèse des tâches logicielles par Artificial Analysis | 41.9 |
| Connaissances et raisonnement | ||
| GPQA | Résolution avancée de problèmes scientifiques | 87.4% |
| HLE | Large ensemble d’examens de niveau expert | 28.1% |
| Programmation et ingénierie | ||
| SciCode | Défis de programmation scientifique | 47% |
| Terminal-Bench Hard | Exécution de tâches complexes dans un terminal | 39.4% |
| Respect des instructions et tâches d’agent | ||
| IFBench | Respect des contraintes du prompt | 75.7% |
| AA-LCR | Raisonnement en contexte long | 68.7% |
| τ²-Bench | Tâches de workflow agentique | 84.8% |
Mesures provenant de Artificial Analysis
Capacités, usages, limites et guide TokenHub pour MiniMax M2.7.
MiniMax M2.7 est un modèle proposé par MiniMax pour l’ingénierie logicielle réelle et la livraison par agents.
Idéal pour la livraison d’ingénierie itérative, le débogage et la refactorisation et le développement à l’échelle d’un dépôt, surtout si l’objectif est l’achèvement de tâches longues.
Atout clé : une forte capacité d’ingénierie réelle, de débogage et de livraison complète.
Les longues exécutions autonomes peuvent consommer beaucoup de temps et de jetons. Pour les entrées multimodales, envisagez MiniMax M3.
Utilisez l’ID exact affiché par TokenHub et vérifiez les fonctions dans la documentation du compte.
Accédez à MiniMax M2.7 et à d’autres modèles d’IA avec une seule clé API TokenHub.
Medias Et Discussions
Selection de videos et publications publiques liees a ce modele.
X (Twitter)
Reddit
YouTube