MiniMax-M2

写代码、跑智能体，一个模型全搞定

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 开源模型 🍴 复刻 214 🐛 待处理 55 👀 关注 12
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 2601
维护状态 较活跃
是否开源 开源
定价模式 🏷️完全免费 开源模型，可自行部署，完全免费。

项目预览

MiniMax-M2 项目界面预览图
图片来源：项目官网

项目数据

分类开源模型
开发团队MiniMax-AI
官网地址https://www.minimax.io
GitHubhttps://github.com/MiniMax-AI/MiniMax-M2
定价模式🏷️完全免费
价格说明开源模型，可自行部署，完全免费。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议NOASSERTION
技术栈/模型large-language-models,llm
GitHub 星标★ 2601
上线时间2025-10-25 00:00:00
代码更新2026-10-26
仓库体积1.1 MB
本站数据更新2026-11-10
维护状态较活跃
收录时间2026-08-09
浏览次数5

项目介绍

MiniMax-M2 是 MiniMax 公司开源的编码与智能体工作流专用大模型，旨在提升代码生成、代码理解与工具调用能力。它解决了通用模型在复杂编程任务和智能体交互中表现不佳的问题，通过针对性的训练和架构优化，实现了更精准的代码补全、更可靠的函数调用和更高效的多步任务执行。核心能力包括强大的代码生成与重构、自然的指令跟随、以及对多种编程语言和开发环境的适配。该模型支持长上下文，能处理大型代码库，并可与外部工具无缝集成，为开发者提供从代码片段到完整项目构建的智能化支持。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2601

技术标签

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：高级 约 30 分钟 部署方式：模型权重 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

  • 可正常访问 Hugging Face 与 MiniMax 开放平台的网络环境
  • 体验在线版无需环境，直接使用浏览器访问 agent.minimax.io
  • 本地部署需自备支持该模型的推理框架及相应运行环境（README 未列出具体框架与硬件要求）
  • 使用 API 需在 MiniMax 开放平台获取访问凭证

安装与启动步骤

  1. 1体验在线 Agent

    MiniMax Agent 基于 MiniMax-M2 构建，已公开并可限时免费使用，直接在浏览器打开即可，无需任何本地安装。

  2. 2调用在线 API

    MiniMax-M2 API 已在 MiniMax 开放平台上线并限时免费，按平台文档进行文本生成调用。

  3. 3下载模型权重

    模型权重已开源，从 Hugging Face 仓库 MiniMaxAI/MiniMax-M2 下载，供本地部署使用。

  4. 4选择推理框架

    README 建议使用其推荐的推理框架来部署模型，但节选中未列出具体框架名称，需以仓库当前说明为准。

  5. 5本地启动并验证

    用所选推理框架加载下载好的权重启动服务，再发起一次推理请求确认输出正常。

如何确认成功

在线 Agent 可正常对话、API 能返回生成结果、本地推理框架能加载权重并响应请求，即为成功。

常见问题

Q：不想本地部署可以怎么用？

A：可直接使用基于 MiniMax-M2 的 MiniMax Agent 网页版，限时免费；也可调用 MiniMax 开放平台的 API，同样限时免费，无需下载权重。

Q：模型权重在哪里下载？

A：在 Hugging Face 的 MiniMaxAI/MiniMax-M2 仓库获取，README 给出的地址为 https://huggingface.co/MiniMaxAI/MiniMax-M2。

Q：该用哪个推理框架部署？

A：README 的本地部署指南列出了若干推荐框架（按字母顺序排列），但节选内容被截断，请到 GitHub 仓库查看完整列表后选择。

Q：API 是免费的吗？

A：README 标注 API 目前在 MiniMax 开放平台限时免费，具体额度与期限以官方平台说明为准。

注意事项

  • README 节选中未给出任何可复制的安装命令、端口或路径，本教程仅按文档明确写出的三种使用方式整理，未虚构命令
  • 本地部署的具体推理框架、显存与系统要求未在节选中说明，请以 GitHub 仓库最新 Local Deployment Guide 为准
  • API 与在线 Agent 均为限时免费，正式使用时请确认当前计费与配额政策
  • 请遵守模型的开源许可与平台使用条款

核心亮点

  • 代码生成质量高，尤其在复杂算法和业务逻辑上表现出色
  • 支持长上下文，可处理大型代码库和多文件项目
  • 工具调用与智能体工作流优化，适合自动化编程场景

不足之处

  • 模型体积和推理资源需求可能较大，部署成本高
  • 文档和社区生态尚在建设中，中文资料有限

适用场景

  • 企业级代码自动补全与生成
  • 智能体驱动的自动化编程和代码重构
  • 大型项目代码理解与文档生成

替代项目

CodeLlama、DeepSeek-Coder、StarCoder2

上一篇：Awesome-LLM-KG

下一篇：Awesome-Domain-LLM

同类项目推荐

Index-1.9B 开源

19亿参数小模型，普通显卡也能跑多语言对话

A lightweight multilingual LLM

★ 1038 2026-09-16
LLaVA 开源

拍张图丢给 AI，它看得懂还能聊出细节

[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) built towards GPT-4V level capab···

★ 25075 2026-08-09
Freeze-Omni 开源

冻结LLM，低成本打造低延迟语音对话模型

✨✨Freeze-Omni: A Smart and Low Latency Speech-to-speech Dialogue Model with Frozen···

★ 402 2026-08-09
Chat-UniVi 开源

一个模型同时看懂图片和视频，统一视觉理解新方案

[CVPR 2024 Highlight] Chat-UniVi: Unified Visual Representation Empowers Large Langu···

★ 945 2026-08-09
iris-3b 开源

一个模型直接生成像素，还能测深度、修图。

Iris-3B: pixel-space generation & general vision learner. A 3B diffusion transformer···

★ 224 2026-10-14
mlx-lm 开源

在 Mac 上本地跑大模型，不买显卡也能流畅推理微调

Run LLMs with MLX

★ 7607 2026-09-16
LongLLaDA 开源

让扩散模型也能读懂长文本，解锁超长上下文

Methods and code for extending the context length of diffusion language models

★ 56 2026-08-09
LLaMA-Mesh 开源

用大模型直接生成 3D 网格，告别复杂建模流程

Unifying 3D Mesh Generation with Language Models

★ 1174 2026-08-09