MiniMax: MiniMax M2.5

MiniMax M2.5 es un modelo de texto de MiniMax, listado en api14 bajo el id de modelo minimax/minimax-m2.5. MiniMax lo describe como un modelo de lenguaje grande de última generación construido para la productividad del mundo real, entrenado en una amplia gama de entornos de trabajo digitales complejos del mundo real, y se basa en la experiencia en programación de M2.1. Se sitúa en la categoría de texto, por lo que está orientado al trabajo con lenguaje en lugar de a la generación de imágenes, audio o vídeo.

El modelo toma texto como entrada y devuelve texto como salida. Tiene una ventana de contexto de 204.800 tokens y puede producir hasta 128.000 tokens en una sola respuesta, lo que es espacio suficiente para documentos largos en el lado de la entrada y respuestas extensas y detalladas en el lado de la salida. Entre los parámetros que admite están temperature, top_p, top_k, min_p, repetition_penalty, frequency_penalty y presence_penalty para controlar el muestreo, además de max_tokens y stop para dar forma a la longitud y al final de una respuesta. También admite reasoning e include_reasoning, que importan cuando quieres que el modelo trabaje en un problema antes de responder.

Debido a que el proveedor posiciona M2.5 en torno a la productividad del mundo real y la programación, los encajes naturales son tareas de software como la generación de código, la refactorización, la depuración y la explicación, junto con el trabajo de conocimiento general que las rodea: redactar y editar documentos largos, resumir entradas grandes, extraer datos estructurados y responder preguntas sobre material que cabe dentro de la ventana de contexto. La gran asignación de salida se adapta a trabajos en los que la respuesta en sí es larga, por ejemplo producir un archivo completo, un informe detallado o un plan de varias partes en una sola llamada. El uso de herramientas y las salidas estructuradas lo convierten en una opción razonable para flujos de trabajo estilo agente en los que el modelo tiene que llamar a funciones o devolver datos con una forma fija.

Lo llamas a través de la API compatible con OpenAI de api14 estableciendo el campo model a minimax/minimax-m2.5 en una solicitud de chat completion, usando las mismas bibliotecas cliente y la misma forma de solicitud que usarías con OpenAI. Los parámetros admitidos cubren los controles de muestreo habituales (temperature, top_p, top_k, min_p, repetition_penalty, frequency_penalty, presence_penalty), los controles de longitud y parada (max_tokens, stop), las opciones de determinismo e inspección (seed, logit_bias, logprobs, top_logprobs), la conformación de la salida (response_format, structured_outputs) y el uso de herramientas (tools, tool_choice). El comportamiento de razonamiento se expone mediante reasoning e include_reasoning, así que puedes decidir si el contenido de razonamiento se devuelve junto con la respuesta final.

Dado que el modelo solo acepta texto, las tareas que dependen de imágenes, audio u otras entradas que no sean texto quedan fuera de su alcance y necesitarían un modelo con esas modalidades de entrada. Lo mismo se aplica si necesitas una salida que no sea texto. Para cargas de trabajo de texto que encajen en el contexto y los límites de salida anteriores, minimax/minimax-m2.5 es una opción sencilla para evaluar, y la lista de parámetros te da suficiente control para ajustar el muestreo, imponer estructura e integrarlo en canalizaciones de llamada a herramientas.