MiniMax M2

Fiche modèle · MiniMax · minimax-m2

MiniMax M2 is an open-source large language model by MiniMax, built for agents and coding tasks. It delivers state-of-the-art tool use, reasoning, and search performance while maintaining exceptional cost-efficiency and speed, priced at just 8% of Claude 3.5 Sonnet’s cost and running at nearly double its inference speed (≈100 TPS). Designed for end-to-end agentic workflows, it excels at long-chain tool calling across Shell, Browser, Python, and other MCP tools. While slightly behind top overseas models in programming, it ranks among the best domestic models and top five globally on the Artificial Analysis benchmark. M2 powers the MiniMax Agent platform, available in Lightning Mode for fast tasks and Pro Mode for complex multi-step reasoning, and its weights, API, and deployment guides are freely available on Hugging Face, vLLM, and SGLang.

Fiches modèles

Identité

Organisation	MiniMax
Pays	—
Famille	—
Type	llm
Date de sortie	2025-10-27
Licence	mit
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	non — 230 Md > 107 Md
Modalités	text
Fenêtre de contexte	196 608
KV cache / token (Q8)	127.0 ko/token
Paramètres totaux	230 B
Paramètres actifs (session)	10 B
Source des paramètres actifs	web : https://platform.minimax.io/docs/guides/models-intro
Curation des paramètres actifs	2026-11-04
Prix par session	0.54 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	4.54 $ (est.)
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-05-07T16:53:31.773459Z
Mis à jour le	2026-11-04T06:04:54.753210Z
Source	LLM Stats
URL	https://llm-stats.com/models/minimax-m2

Tokens/tâche

IA Act — preuves fournisseur

ICA 8/100 · périmètre complet · seuil systémique inconnu

Critère	Note / 5	Poids
Documentation technique	2,5	5 %
Résumé des données d'entraînement	0,0	35 %
Conformité droit d'auteur	0,0	35 %
Code of Practice GPAI	1,2	20 %
Risque systémique	0,0	5 %

Curation : 2026-10-23.

IA Act

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : partiel — via Amazon Bedrock — Irlande (cortecs).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
Amazon Bedrock — Irlande	cortecs	partiel	0.35 $	1.42 $	—	400 000	—	—	—
MiniMax	llm-stats	non	0.30 $	1.20 $	—	—	4.00	70.0	active
Novita	llm-stats	non	0.30 $	1.20 $	—	—	—	—	active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
language	0.80
legal	0.80
math	0.50
physics	0.60
reasoning	0.60
search	0.50
finance	0.80
frontend_development	0.70
general	0.60
healthcare	0.80
agents	0.60
biology	0.60
chemistry	0.60
code	0.50
communication	0.90
tool_calling	0.80
vision	0.10

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aa-index	general	0.61	1.00	0.61	non	oui	2026-11-04T06:04:54.913220Z
aime-2025	math	0.78	1.00	0.78	non	oui	2026-11-04T06:04:54.821245Z
browsecomp	reasoning	0.44	1.00	0.44	non	oui	2026-11-04T06:04:54.792014Z
browsecomp-zh	reasoning	0.48	1.00	0.48	non	oui	2026-11-04T06:04:54.797736Z
gpqa	reasoning	0.78	1.00	0.78	non	oui	2026-11-04T06:04:54.832181Z
humanity's-last-exam	reasoning	0.12	1.00	0.12	non	oui	2026-11-04T06:04:54.842883Z
if	general	0.72	1.00	0.72	non	oui	2026-11-04T06:04:54.873081Z
livecodebench	reasoning	0.83	1.00	0.83	non	oui	2026-11-04T06:04:54.852929Z
mmlu-pro	language	0.82	1.00	0.82	non	oui	2026-11-04T06:04:54.828549Z
multi-swe-bench	reasoning	0.36	1.00	0.36	non	oui	2026-11-04T06:04:54.770278Z
scicode	reasoning	0.36	1.00	0.36	non	oui	2026-11-04T06:04:54.863009Z
swe-bench-multilingual	reasoning	0.56	1.00	0.56	non	oui	2026-11-04T06:04:54.777978Z
swe-bench-verified	reasoning	0.69	1.00	0.69	non	oui	2026-11-04T06:04:54.762439Z
tau-bench	general	0.77	1.00	0.77	non	oui	2026-11-04T06:04:54.813100Z
tau2-telecom	communication	0.87	1.00	0.87	non	oui	2026-11-04T06:04:54.903031Z
terminal-bench	reasoning	0.46	1.00	0.46	non	oui	2026-11-04T06:04:54.782879Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	138	—	9.48	3	trueskill	2026-10-19	model_history
code	126	—	17.81	6	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04