Minimax
MiniMax M2.5
MiniMax-M2.5
最大コンテキスト
204.8K
最大出力
131.1K
リリース日
N/A
入力$0.3 / 百万トークン
出力$1.2 / 百万トークン
MiniMax 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。
Context Window
204.8K tokens
Maximum Output
131.1K tokens
Release Date
2026年3月18日
Modalities
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 の API 機能
Reasoning
Supported
Tool calling
Supported
Temperature parameter
Supported
Attachments
Not supported
Knowledge Base
—
Endpoint Protocols
Completions APIMessages APIgemini
MiniMax M2.7のモデル特長
MiniMax M2.7は、実際のソフトウェア開発、協調型エージェント作業、編集可能な業務成果物に重点を置くテキスト推論モデルです。
システムレベル開発
ログ、監視指標、トレース、データベース上の根拠を関連付け、不具合を診断してシステムレベルの判断を行います。
協調型エージェントチーム
安定した役割と自律的な意思決定を持つエージェントチームにより、複雑な作業を分割して調整できます。
専門文書の編集
Word、Excel、プレゼンテーション資料を複数ラウンドで高精度に編集し、編集可能な成果物を維持します。
MiniMax M2.7のユースケース
MiniMax M2.7は、本番障害の調査、共同ソフトウェア開発、業務資料の複数ラウンド作成に適しています。
本番障害対応
ログ、トレース、指標、データベース状態を確認して根本原因の候補を特定し、範囲を限定した復旧または修正計画を作成します。
マルチエージェント開発
分析、実装、検証を連携するエージェントの役割に割り当て、それぞれの出力を一つの開発成果に統合します。
編集可能な業務成果物
レポート、表計算、プレゼンテーションを作成して繰り返し改善し、構造を維持した編集可能な資料として仕上げます。
TokenHub API で MiniMax M2.7 を使用する方法
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 のベンチマーク
MiniMax-M2.7
| 指数スコア | ||
|---|---|---|
| Artificial Analysis Intelligence Index | 総合能力の集約評価 | 38.1 |
| Artificial Analysis Coding Index | コーディング能力の集約評価 | 41.9 |
| 知識と推論 | ||
| GPQA | 高度な科学問題の解決 | 87.4% |
| HLE | 幅広い分野の専門家レベル試験 | 28.1% |
| コーディングとソフトウェア開発 | ||
| SciCode | 科学計算のコーディング課題 | 47% |
| Terminal-Bench Hard | 高難度のターミナル操作 | 39.4% |
| 指示追従とエージェントタスク | ||
| IFBench | プロンプト制約への準拠 | 75.7% |
| AA-LCR | 長いコンテキストでの推論 | 68.7% |
| τ²-Bench | エージェントのワークフロータスク | 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。
MiniMax M2.7 を使い始めますか？
1つの API キーで MiniMax M2.7 とその他の AI モデルにアクセスできます。
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