MiniMax-M2.1

是什么

MiniMax-M2.1 是 MiniMax 在 2025 年 12 月发布的开源权重（open weights）大语言模型，是 M2 的后继版本。公开的检查点标注为 2290 亿（229B）参数^[1]。权重于 2025 年 12 月 20 日上传到 Hugging Face，Hugging Face 上介绍这次发布的博客文章日期为 1 月 5 日^[2][1]。

权重以修改版 MIT 许可证开放。同一个模型也通过 MiniMax 开放平台的 API 提供服务，配套的编程产品 MiniMax Code 已公开可用^[1]。也就是说，这个模型有两条使用途径：把权重下载下来自己跑，或者直接调用托管版本。

由来与定位

MiniMax 把 M2.1 描述为相对 M2 在软件工程类排行榜上的一次大幅提升，尤其强调多语言编程方面的进步^[1]。这一定位决定了公司公布成绩的方式：除了通用的软件工程评测，还一并给出了多语言编程评测，以及移动端和网页开发方向的评测，而这些正是两代模型差距最大的地方。

基准成绩

在多语言软件工程评测上，SWE-bench Multilingual 从 M2 的 56.5 升到 72.5，超过 Claude Sonnet 4.5 的 68.0；Multi-SWE-bench 从 36.2 升到 49.4^[1]。这类评测的做法是让模型修复多个编程语言代码仓库里的真实问题，看它生成的补丁能否通过项目自带的测试。

在 SWE-bench Verified 这个经过筛选的软件工程任务集上，成绩从 M2 的 69.4 提高到 74.0。衡量在命令行环境中完成任务的 Terminal-bench 2.0，则从 30.0 升到 47.9^[1]。

覆盖网页、Android 与 iOS 应用开发的 VIBE 系列提升幅度最大：平均分从 67.5 升到 88.6，其中 VIBE-Web 为 91.5，VIBE-Android 为 89.7^[1]；VIBE-iOS 从 39.5 升到 88.0^[1]。

另外两项结果指向同一方向。与编写测试有关的 SWT-bench 从 32.8 升到 69.3^[1]。把同一个模型放进 mini-swe-agent 这套不同的智能体（agent）运行框架里跑 SWE-bench Verified，得分为 67.0，高于 M2 的 61.0^[1]。

用于考察在网页上查找难以定位信息的 BrowseComp，从 44.0 升到 47.4；加上上下文管理（context management）后为 62.0，M2 为 56.9^[1]。

与 Claude 系列模型的比较

MiniMax 表示，在多语言场景下 M2.1 的表现优于 Claude Sonnet 4.5，并接近 Claude Opus 4.5^[1]。不过在 MiniMax 自己给出的对比表里，情况并不一律如此：SWE-bench Verified 上 M2.1 为 74.0，Claude Sonnet 4.5 为 77.2，Claude Opus 4.5 为 80.9；Multi-SWE-bench 上 M2.1 为 49.4，Claude Opus 4.5 为 50.0^[1]。

换句话说，领先的说法主要建立在多语言编程评测上——在这类评测里 M2.1 被排在 Sonnet 4.5 之前；而在单语言的 Verified 评测上，同一张表把它排在两个 Claude 模型之后^[1]。

使用细节

官方推荐的推理参数为 temperature 1.0、top_p 0.95、top_k 40^[1]。部署方面列出的框架有 SGLang、vLLM、Transformers、KTransformers 和 MLX-LM^[1]，覆盖了数据中心服务、普通 Python 推理、面向 CPU 的部署以及 Apple 芯片上的运行等不同场景。

在发展中的位置

M2.1 延续了 MiniMax 的开源权重模型序列，并把权重与托管 API、编程产品配套提供^[1]。它公布的提升集中在需要调用工具的一类任务上——修复代码仓库里的问题、操作终端、检索网页、构建移动端与网页应用——以及这些任务的多语言版本^[1]。这也是它被期待接受检验的地方。