MiniMax M2.1
3782°
Chạy mô hình này
Ưu đãi / Quảng cáo
MiniMax | ngữ cảnh 204,800 token | $0.30/M đầu vào, $1.20/M đầu ra. MiniMax-M2.1 là mô hình ngôn ngữ lớn nhẹ, tiên tiến, được tối ưu cho lập trình, quy trình agentic và phát triển ứng dụng hiện đại. Với chỉ 10 tỷ tham số kích hoạt, nó mang lại bước nhảy lớn về khả năng thực tế trong khi duy trì độ trễ, khả năng mở rộng và hiệu quả chi phí xuất sắc. So với phiên bản trước, M2.1 cho ra kết quả sạch hơn, súc tích hơn và thời gian phản hồi nhanh hơn. Nó thể hiện hiệu suất lập trình đa ngôn ngữ hàng đầu trên các hệ thống và ngôn ngữ ứng dụng chính, đạt 49.4% trên Multi-SWE-Bench và 72.5% trên…MiniMax | ngữ cảnh 204,800 token | $0.30/M đầu vào, $1.20/M đầu ra. MiniMax-M2.1 là mô hình ngôn ngữ lớn nhẹ, tiên tiến, được tối ưu cho lập trình, quy trình agentic và phát triển ứng dụng hiện đại. Với chỉ 10 tỷ tham số kích hoạt, nó mang lại bước nhảy lớn về khả năng thực tế trong khi duy trì độ trễ, khả năng mở rộng và hiệu quả chi phí xuất sắc. So với phiên bản trước, M2.1 cho ra kết quả sạch hơn, súc tích hơn và thời gian phản hồi nhanh hơn. Nó thể hiện hiệu suất lập trình đa ngôn ngữ hàng đầu trên các hệ thống và ngôn ngữ ứng dụng chính, đạt 49.4% trên Multi-SWE-Bench và 72.5% trên SWE-Bench Multilingual, và phục vụ như “bộ não” agent đa năng cho IDE, công cụ lập trình và trợ giúp tổng quát. Để tránh làm giảm hiệu suất mô hình này, MiniMax khuyến nghị giữ lại suy luận giữa các lượt. Tìm hiểu thêm về cách sử dụng reasoning_details để truyền lại suy luận trong tài liệu của chúng tôiOpens in new tab.
Hướng dẫn cho mô hình này
LLM cục bộ tốt nhất theo từng trường hợp sử dụng (Tháng 10 năm 2026): mô hình mở phù hợp cho mọi công việc
Mình thực sự cần bao nhiêu VRAM cho AI cục bộ?
Mở weights vs mã nguồn mở vs chỉ API: bạn thực sự được phép làm gì
Tệp GGUF là gì? Giải thích về các mô hình lượng tử hóa (Q4, Q8, fp8, NF4)
Ghi chú của thuyền trưởng
Ghi chú từ 2026-10-13
MiniMax M2.1 là mô hình ngôn ngữ có khả năng suy luận từ MiniMax với 10 tỷ tham số kích hoạt, cửa sổ ngữ cảnh 200K token, và trọng số mở theo giấy phép Modified-MIT. Điểm nổi bật là kỹ thuật phần mềm đa ngôn ngữ: nó vượt trội Claude Sonnet 4.5 trên Multi-SWE-Bench và SWE-Bench Multilingual trong khi chi phí chỉ 0,30 đô la mỗi triệu token đầu vào. Nếu bạn xây dựng tác nhân lập trình hoặc công cụ IDE và muốn thứ gì đó có thể chạy cục bộ, đây là lựa chọn đáng xem xét.
Nổi tiếng với
- Kết quả benchmark lập trình đa ngôn ngữ mạnh, vượt Claude Sonnet 4.5 trên Multi-SWE-Bench.
- Chỉ 10 tỷ tham số kích hoạt, giữ độ trễ thấp và khả năng tự lưu trữ khả thi.
- Thiết kế như 'bộ não' tác nhân: sử dụng công cụ, theo dõi hướng dẫn, lập kế hoạch dài hạn.
- Trọng số mở trên Hugging Face theo giấy phép Modified-MIT.
- Cửa sổ ngữ cảnh 200K token với giá 0,30/1,20 đô la mỗi triệu token đầu vào/đầu ra.
Cẩn thận với
- MiniMax khuyến nghị giữ trạng thái suy luận giữa các lượt; bỏ qua sẽ làm giảm hiệu suất.
- Modified-MIT không phải MIT tiêu chuẩn — kiểm tra điều khoản giấy phép trước khi triển khai thương mại.
- Trọng số mô hình đầy đủ khá lớn; xác nhận VRAM của bạn trước khi dùng cục bộ.
Lời nhắc để thử
Sửa lỗi thực tế trên GitHub
Đây là một kho Python và báo cáo lỗi mở. Lỗi: gọi `process_batch()` với danh sách rỗng gây ra `IndexError` không được xử lý thay vì trả về kết quả rỗng. Tái tạo lỗi, xác định nguyên nhân gốc trong mã dưới đây, viết bản sửa lỗi, và thêm trường hợp kiểm thử có thể phát hiện lỗi này. [dán mã của bạn]
Xây dựng tác nhân đa bước
Bạn có quyền truy cập công cụ tìm kiếm web và công cụ thực thi mã. Người dùng muốn biết tỷ giá hiện tại giữa USD và JPY, sau đó tính giá trị 3.750 USD bằng JPY, và cuối cùng ghi kết quả vào file cục bộ tên result.txt. Lập kế hoạch các bước, gọi các công cụ theo thứ tự, và xác nhận file đã được ghi.
Đánh giá mã đa ngôn ngữ
Đánh giá hàm TypeScript sau về tính đúng đắn, các trường hợp biên và hiệu năng. Sau đó viết lại nó bằng Rust chuẩn, giữ nguyên hành vi. Giải thích sự khác biệt trong xử lý lỗi giữa hai phiên bản. [dán hàm TypeScript của bạn]
So sánh với
- MiniMax M1Mô hình chỉ APIngữ cảnh 1,000,000 token · Đầu vào $0.55/M, đầu ra $2.20/M
- MiniMax M3Mô hình mở trọng sốngữ cảnh 1,048,576 token · Đầu vào $0.30/M, đầu ra $1.20/M
- MiniMax M2.5Mô hình mở trọng sốngữ cảnh 204,800 token · Đầu vào $0.27/M, đầu ra $0.95/M
- MiniMax M2Mô hình mở trọng sốngữ cảnh 204,800 token · Đầu vào $0.26/M, đầu ra $1.02/M
Thêm mô hình văn bản từ minimax
Câu hỏi thường gặp
- Tôi có thể chạy MiniMax M2.1 cục bộ không?
- Có — trọng số mở trên Hugging Face theo giấy phép Modified-MIT, nên được phép triển khai cục bộ, dù mô hình đầy đủ lớn và bạn nên xác nhận phần cứng trước khi tải xuống.
- MiniMax M2.1 có giá bao nhiêu và cửa sổ ngữ cảnh là bao nhiêu?
- Qua API MiniMax, giá là 0,30 đô la mỗi triệu token đầu vào và 1,20 đô la mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 204.800 token.
- M2.1 khác gì so với phiên bản trước M2?
- M2.1 có điểm benchmark lập trình cao hơn đáng kể — 49,4% so với 36,2% trên Multi-SWE-Bench và 72,5% so với 56,5% trên SWE-Bench Multilingual — và MiniMax nói đầu ra sạch hơn và thời gian phản hồi cảm nhận nhanh hơn.
Phán quyết của thuyền trưởngMột tác nhân lập trình có trọng số mở hiếm hoi vượt trội so với số tham số kích hoạt và có giá thấp hơn các đối thủ đóng.
Thẻ mô hình trên Hugging Face
Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Điểm số này được tính như thế nào
Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.
Thuật ngữ: các từ dùng ở đây
- Điểm nhiệt
- Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
- Sàn điểm
- 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
- Tương đương lượt tải
- Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
- Thang log
- Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
- Lượt thích
- Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
- Tỷ lệ áp dụng
- Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
- Đã đo và ước tính
- Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
- Seeder
- Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
- AI Horde
- Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
- Trang tạo ảnh
- Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
- Token OpenRouter
- Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Mô hình đầy đủ (checkpoint)
- Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
- LoRA và embedding
- Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
- Gia đình và trọng số
- Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
- Tuổi
- Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
- Tăng gia đình
- Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
- Điểm thay thế
- Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
- Mới! (giai đoạn thử nghiệm)
- Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
- Xu hướng
- Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
- Mô hình điển hình
- Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.
MiniMax M2.1 là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác và xem điểm độ hot để biết xu hướng.
Thêm mô hình Text / LLMThêm Văn bản / LLM Text / LLMllmminimaxlý luậnlập trìnhtác nhânđa ngôn ngữcục bộ
Duyệt theo họ mô hình
Mô hình Text / LLM
434
Mô hình Anima
528
Mô hình Chroma
19
Mô hình Fibo
2
Mô hình Flux
1,496
Mô hình Flux 2 / Klein
1,239
Mô hình Flux 3
3
Mô hình Moss
3
Mô hình Iris
1
Mô hình MiniMax H3
364
Mô hình Hunyuan
204
Mô hình Ideogram
20
Mô hình Krea2
717
Mô hình Qwen
20
Mô hình Qwen2
47
Mô hình Ltx2
153