MiniMax M2模型採用全注意力機制，放棄線性或稀疏注意力技術。開發團隊認爲，儘管後者能節省計算資源，但全注意力在工業應用中更高效，能提升模型性能。這一決策旨在優化實際部署效果，推動AI技術發展。
MiniMax即將在1至2周內發佈新一代M2.1模型，作爲M2的關鍵升級版，旨在加速其“智能普惠”戰略。此前M2以僅爲Claude Sonnet 8%的低價和翻倍推理速度贏得開發者好評，展現公司在開源大模型領域的強勁競爭力。
MiniMax發佈新一代開源推理模型M2，專攻智能Agent應用。採用混合專家架構，總參數量2300億，每次推理僅激活100億參數，實現每秒100個token的高輸出速度，在實時交互場景中優勢顯著。
2025年10月27日，MiniMax開源大語言模型MiniMax M2。該模型專爲代理工作流和端到端編碼設計，採用MoE架構，效率與性能突出：成本僅爲Claude Sonnet的8%，速度提升約兩倍，爲開發者與企業提供高性價比AI解決方案。
用於多模態上下文中的檢索增強生成的基準測試代碼庫。
多模態音樂理解和生成系統
ModelCloud
這是一個基於MiniMax M2基礎模型的4bit W4A16量化版本，由ModelCloud的@Qubitum使用GPT-QModel工具進行量化。該模型專門針對文本生成任務進行了優化，在保持較好性能的同時顯著減少了模型大小和推理資源需求。
SweUmaVarsh
該模型是一個基於Transformers庫的模型，具體用途和功能需要進一步信息確認。
utrobinmv
基於m2m轉換器架構的多語言翻譯模型，支持俄語、中文和英語之間的雙向翻譯
entai2965
M2M100是一個多語言編碼器-解碼器模型，支持100種語言之間的直接翻譯，參數規模12億。
Swamitucats
基於M2M100微調而成的梵語到英語翻譯模型，訓練數據來自Itihasa數據集，包含梵語史詩的翻譯內容。
hazyresearch
M2-BERT-8K是一個8000萬參數的長上下文檢索模型，基於論文《Benchmarking and Building Long-Context Retrieval Models with LoCo and M2-BERT》提出的架構。
80M參數的M2-BERT-2k模型檢查點，專為長上下文檢索任務設計，支持2048個token的上下文長度。
ai-forever
基於M2M100-1.2B模型訓練的俄語拼寫檢查器，用於糾正拼寫錯誤和打字錯誤
M2-BERT-128是論文《Benchmarking and Building Long-Context Retrieval Models with LoCo and M2-BERT》中提出的8000萬參數檢索模型檢查點
togethercomputer
這是一個80M參數的M2-BERT預訓練檢查點，序列長度為2048，並已針對長上下文檢索任務進行微調。
這是一個80M參數的M2-BERT預訓練模型，支持長達32768的序列長度，專為長上下文檢索任務優化
這是一個8000萬參數的M2-BERT預訓練檢查點，序列長度達8192，並針對長上下文檢索任務進行了微調。
kazandaev
基於wmt16數據集微調的多語言翻譯模型，支持俄語到英語的翻譯任務
anzorq
基於facebook/m2m100_1.2B模型在俄語-卡巴爾達語數據集上微調的翻譯模型
Hemanth-thunder
基於M2M100架構的英語與泰米爾語雙向翻譯模型，採用OpenRAIL許可證發佈
CadenzaBaron
基於Facebook/M2M100微調的中英遊戲翻譯模型，專為修真/武術類遊戲內容優化
基於M2M100-1.2B訓練的俄語拼寫檢查模型，能糾正拼寫錯誤和打字錯誤
alirezamsh
SMaLL-100是一個緊湊且快速的大規模多語言機器翻譯模型，覆蓋超過10,000種語言對，性能與M2M-100相當但體積更小速度更快。
danhsf
該模型是基於facebook/m2m100_418M在kde4數據集上微調的英語到巴西葡萄牙語翻譯模型
facebook
M2M100是一個多語言編碼器-解碼器模型，支持100種語言的9900個翻譯方向
MCP SSH服務器是一個安全的遠程訪問工具，允許客戶端通過SSH協議連接並交互多個MCP工具服務。它支持密鑰認證、提供密鑰管理API，並能聚合多個MCP服務器為統一接口。
MCP服務器SSH客戶端是一個通過SSH連接遠程MCP服務器的工具，支持密鑰認證和安全通道通信，可集成到AI平臺使用遠程MCP工具。
Transformers多語言%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
