MiniMax: MiniMax M2

MiniMax M2 ist ein Textgenerierungsmodell von MiniMax, veröffentlicht am 23. Oktober 2025. Es ist ein kompaktes, hocheffizientes großes Sprachmodell mit 10 Milliarden aktivierten Parametern von insgesamt 230 Milliarden, und MiniMax beschreibt es als optimiert für End to End Coding und agentische Workflows. Es gehört zur Textkategorie, ist also auf Sprachaufgaben ausgerichtet und nicht auf Bild-, Audio- oder Videogenerierung.

Das Modell nimmt Text als Eingabe und gibt Text als Ausgabe zurück. Es hat ein Kontextfenster von 204.800 Tokens, was groß genug ist, um umfangreiche Quelldateien, lange Dokumente oder ausgedehnte Gesprächsverläufe in einer einzigen Anfrage aufzunehmen. Die maximale Ausgabe beträgt 176.947 Tokens, sodass es sehr lange Vervollständigungen erzeugen kann, wenn eine Aufgabe dies erfordert. MiniMax positioniert es so, dass es nahezu Frontier Intelligenz über allgemeines Reasoning hinweg liefert, zusammen mit seinem Fokus auf Coding und agentische Arbeit.

Diese Fähigkeiten deuten auf einige praktische Einsatzmöglichkeiten hin. Der Coding Fokus macht es zu einer vernünftigen Wahl für Codegenerierung, Refactoring, Debugging und die Arbeit über mehrere Dateien hinweg in Repositories, die gemeinsam innerhalb des Kontextfensters gelesen werden müssen. Die agentische Betonung eignet sich für Tool Calling Schleifen, bei denen das Modell entscheidet, welche Funktion aufgerufen wird, und das Ergebnis in seinen nächsten Schritt einbezieht. Der lange Kontext und die langen Ausgabegrenzen helfen auch beim Zusammenfassen oder Transformieren großer Dokumente sowie bei reasoning lastigen Aufgaben, bei denen das Modell davon profitiert, ein Problem durchzuarbeiten, bevor es antwortet.

Sie können es über die OpenAI kompatible API von api14 mit der Modell ID "minimax/minimax-m2" aufrufen. Die unterstützten Anfrageparameter sind frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs und top_p. Tool Nutzung ist über tools und tool_choice verfügbar, strukturierte Ausgaben über response_format und structured_outputs, und das Reasoning Verhalten kann mit reasoning und include_reasoning beeinflusst werden. Das Sampling kann mit temperature, top_p, top_k, frequency_penalty, presence_penalty und repetition_penalty abgestimmt werden, während seed, stop, logprobs und top_logprobs Ihnen Kontrolle über Reproduzierbarkeit und Token Level Ausgabe geben.

Da das Modell nur Texteingabe akzeptiert, benötigen Aufgaben mit Bildern, Audio oder anderen Modalitäten ein anderes Modell. Wenn Ihre Arbeitslast kein Coding, keine agentische Tool Nutzung und kein Long Context Reasoning umfasst, kann ein kleineres oder allgemeineres Textmodell einfacher und ausreichend sein.