MiniMax: MiniMax M2.5

MiniMax M2.5 adalah model teks dari MiniMax, terdaftar di api14 dengan model id minimax/minimax-m2.5. MiniMax menggambarkannya sebagai model bahasa besar mutakhir yang dibangun untuk produktivitas dunia nyata, dilatih di berbagai lingkungan kerja digital dunia nyata yang kompleks, dan dibangun di atas keahlian pemrograman M2.1. Model ini berada di kategori teks, jadi ditujukan untuk pekerjaan bahasa, bukan pembuatan gambar, audio, atau video.

Model ini menerima teks sebagai input dan mengembalikan teks sebagai output. Model ini memiliki context window sebesar 204.800 token dan dapat menghasilkan hingga 128.000 token dalam satu respons, yang cukup untuk dokumen panjang di sisi input dan jawaban panjang serta terperinci di sisi output. Di antara parameter yang didukungnya adalah temperature, top_p, top_k, min_p, repetition_penalty, frequency_penalty, dan presence_penalty untuk mengontrol sampling, plus max_tokens dan stop untuk mengatur panjang dan akhir respons. Model ini juga mendukung reasoning dan include_reasoning, yang penting ketika Anda ingin model menelaah masalah sebelum menjawab.

Karena penyedia memposisikan M2.5 di sekitar produktivitas dunia nyata dan pemrograman, kecocokan alaminya adalah tugas perangkat lunak seperti pembuatan kode, refactoring, debugging, dan penjelasan, bersama dengan pekerjaan pengetahuan umum yang menyertainya: menyusun dan menyunting dokumen panjang, meringkas input besar, mengekstrak data terstruktur, dan menjawab pertanyaan atas materi yang muat di dalam context window. Jatah output yang besar cocok untuk pekerjaan yang jawabannya sendiri panjang, misalnya menghasilkan file lengkap, laporan terperinci, atau rencana multi bagian dalam satu panggilan. Penggunaan tool dan output terstruktur menjadikannya pilihan yang wajar untuk alur kerja bergaya agen di mana model harus memanggil fungsi atau mengembalikan data dalam bentuk yang tetap.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 dengan mengatur field model ke minimax/minimax-m2.5 dalam permintaan chat completion, menggunakan pustaka klien dan bentuk permintaan yang sama seperti yang Anda gunakan dengan OpenAI. Parameter yang didukung mencakup kontrol sampling yang biasa (temperature, top_p, top_k, min_p, repetition_penalty, frequency_penalty, presence_penalty), kontrol panjang dan penghentian (max_tokens, stop), opsi determinisme dan inspeksi (seed, logit_bias, logprobs, top_logprobs), pembentukan output (response_format, structured_outputs), dan penggunaan tool (tools, tool_choice). Perilaku reasoning diekspos melalui reasoning dan include_reasoning, sehingga Anda dapat memutuskan apakah konten reasoning dikembalikan bersama jawaban akhir.

Karena model ini hanya menerima teks, tugas yang bergantung pada gambar, audio, atau input non teks lainnya berada di luar cakupannya dan akan memerlukan model dengan modalitas input tersebut. Hal yang sama berlaku jika Anda memerlukan output non teks. Untuk beban kerja teks yang sesuai dengan batas konteks dan output di atas, minimax/minimax-m2.5 adalah pilihan yang mudah untuk dievaluasi, dan daftar parameternya memberi Anda cukup kendali untuk menyetel sampling, menegakkan struktur, dan menghubungkannya ke pipeline pemanggilan tool.