MiniMax
-
MiniMax如何借助阿里云重塑Agent底座,撑起智能体时代的系统变革
2026年初,随着OpenClaw的爆火,AI领域正式步入了Harness时代。在这场技术浪潮中,MiniMax凭借敏锐的技术洞察,成为变革的核心参与者之一。 其近期相继推出的云端AI助手MaxClaw以及全新发布的MaxHermes便是例证。这两款应用分别基于OpenClaw架构与近期备受关注的Hermes Agent构建,旨在消除本地部署服务器与配置AP…
-
AI音乐革命:MiniMax推出Cover翻唱功能,零成本创作时代来临
音乐行业正经历一场由AI驱动的深刻变革。 近两年,AI音乐技术的发展速度远超许多人的预期。传统的音乐制作需要历经作词、作曲、编曲、录音、混音等多个环节,周期长且成本高昂。而AI的出现,极大地改变了这一范式:从最初输入提示词即可生成完整作品,大幅降低创作门槛;发展到如今,用户甚至无需研究提示词,只需将一首喜爱的歌曲交给AI,便能快速获得风格迥异的翻唱版本。这意…
-
MiniMax M2.7重磅更新:10B参数模型如何实现Agent自主进化,在MLE竞赛中斩获9枚金牌?
年后,AI领域的更新浪潮持续高涨。在众多模型密集发布之际,MiniMax也迎来了其重要的版本迭代——全新的旗舰模型M2.7正式发布。 本次更新不仅涵盖了模型基础能力的增强,更引入了一项核心创新:Agent Harness。该机制旨在实现Agent的自主优化,其核心模块包括短时记忆、自反馈与自优化。 官方文档中“开启模型的自我进化”的描述,揭示了此次更新更深层…
-
MiniMax M2.7重磅发布:全能AI Agent,复杂任务、团队协作、代码排障一网打尽
MiniMax M2.7 重磅发布:全能AI Agent,复杂任务、团队协作、代码排障一网打尽 MiniMax 在发布 M2.5 模型仅一个月后,再次推出了全新的 M2.7 模型。此次更新标志着模型在复杂任务处理与多智能体协作能力上实现了显著跃升。 M2.7 的推理与工程能力取得了质的飞跃,能够独立处理生产环境中棘手的故障排查任务。相较于以往仅能辅助编写代码…
-
MiniMax模型惊现“马嘉祺”识别Bug:Tokenizer机制缺陷引发“幽灵编辑”现象
最近,有用户发现了一个有趣的现象:MiniMax的模型在处理“马嘉祺”这个名字时,出现了识别异常。 起初这被认为是个偶然事件。但经过多方测试,该问题在不同接口和平台上均能稳定复现。 甚至有人调侃道:未来如果在OpenRouter上出现一个匿名模型,且它认不出“马嘉祺”,那么它很可能就来自MiniMax。 测试表明,无论是在MiniMax官方的Agent平台,…
-
全球首份大模型公司年报出炉:MiniMax营收暴涨158.9%,亏损率大幅收窄
全球首份大模型公司年报出炉:MiniMax营收暴涨158.9%,亏损率大幅收窄 全球大模型行业迎来了首个真正可量化的财务样本。 在港交所上市仅52天后,MiniMax发布了IPO后的首份年度业绩报告。数据显示,截至2026年2月,其年度经常性收入(ARR)已突破1.5亿美元。2025年全年,公司总营收同比增长158.9%,毛利同比飙升437%,净亏损率则显著…
-
MiniMax M2.5引爆AI需求:周调用量破3T,开源Agent生态全面接入
这个春节,MiniMax 杀疯了。 2 月 20 日,港股马年首个交易日,MiniMax 收盘股价报涨 14.52%,市值一度冲破 3042 亿港元。 这轮上涨并非只是资本市场的情绪宣泄。 过去两年,AI 行业的叙事几乎集中在供给侧,比如更强的模型、更快的芯片、更大的数据中心。然而,制约 AI 产业规模化落地的,除了供给侧的能力上限外,还有大量长期憋着、始终…
-
MiniMax M2.5全面评测:中文场景性能跃升,Agent能力暴涨10.6%,成本效率比显著优化
MiniMax在春节假期前发布了MiniMax M2.5新版本。官方表示,该模型经过数十万个真实复杂环境中的大规模强化学习训练,在编程、工具调用和搜索、办公等生产力场景达到了行业前沿水平。我们对MiniMax M2.5与上一代MiniMax M2.1进行了全面的中文场景对比评测,测试其在准确率、响应时间、token消耗和成本等关键指标上的表现差异。 本次评测…
-
MiniMax-M2.1实测:性能提升4%但响应时间翻倍,成本增加21.6%的深度评测
MiniMax新发布了M2.1版本,相比此前的M2版本,在多个维度实现了性能变化。我们对这两个版本进行了全面的对比评测,测试其在准确率、响应时间、token消耗和成本等关键指标上的表现差异。 MiniMax-M2.1版本表现:* 测试题数:约1.5万* 总分(准确率):63.6%* 平均耗时(每次调用):111s* 平均token(每次调用消耗的token)…
