POSTopenai
/v1/chat/completionsMiniMax M2.7
MiniMax-M2.7MiniMax M2.7 は、参照元で強調されている特徴として multi-agent 協働, live デバッグ, root-cause 分析 and office-document generation を持ちます。主な価値は engineering productivity, 財務モデリング and 文書中心 ワークフロー にあります。そのため、汎用チャットモデルとしてではなく、このモデル固有の強みを中心に説明するのが自然です。
最大コンテキスト
204.8Kトークン
最大出力
131.1Kトークン
リリース日
2026年3月18日
モダリティ
MiniMax M2.7 の料金
| 入力価格 | 出力価格 | キャッシュ読み取り |
|---|---|---|
| $0.3/M | $1.2/M | $0.06/M |
MiniMax M2.7 を API 経由で使用するには？
POSTanthropic
/v1/messagesPOSTgemini
/v1beta/models/{model}:generateContentMiniMax M2.7 のベンチマーク
MiniMax-M2.7
38.1
/100
Artificial Analysis Intelligence Index
Artificial Analysis broad capability aggregate
指数スコア
41.9
/100
Artificial Analysis Coding Index
Artificial Analysis software task aggregate
指数スコア
Knowledge & Reasoning
GPQA
Advanced science problem solving
87.4%
HLE
Broad expert-level exam set
28.1%
Coding & Engineering
SciCode
Scientific coding challenges
47%
Terminal-Bench Hard
Hard terminal task execution
39.4%
Instruction Following & Agent Tasks
IFBench
Prompt constraint adherence
75.7%
AA-LCR
Long-context reasoning
68.7%
τ²-Bench
Agent workflow tasks
84.8%
指標の出典 Artificial Analysis
MiniMax M2.7 よくある質問
MiniMax M2.7 の能力、用途、制約、TokenHub利用ガイド。
MiniMax M2.7 の重点は？+
MiniMax M2.7 は MiniMax の実務ソフトウェア開発とエージェント型成果物作成向けモデルです。
MiniMax M2.7 に合うプロジェクトは？+
反復型のエンジニアリング納品、デバッグとリファクタリング、リポジトリ規模の開発に向き、特に長期タスクの完遂力重視の場面に適します。
MiniMax M2.7 の特別な点は？+
主な強みは実務エンジニアリング・デバッグ・一貫納品の強さです。
別モデルが向くのはいつ？+
長時間の自律実行は時間とトークンを多く消費します。 マルチモーダル入力重視なら MiniMax M3 を検討してください。
識別子の間違いを防ぐには？+
TokenHub表示の正確なIDを使い、アカウント文書で現行機能を確認してください。
メディアと議論
このモデルに関連する公開動画と投稿を選んでいます。
X (Twitter)
Reddit
YouTube