MiniMax M2.7
Veröffentlichung
März 2026
Knowledge Cutoff
Unbekannt
Parameter
230 Mrd.
Modellfamilie
MiniMax M2.7
MIT
Features
Tools
Websuche, Bildgenerierung, Computer Use und MCP-Server.
Multimodalität
Das Modell kann Text, Bilder, Audio und PDFs als Input verarbeiten.
Finetuning
Finetuning des Modells ist aktuell nicht möglich.
Details zum Modell
Max. Input
204,8k Token
Max. Output
131,07k Token
Trainingsdaten
Unbekannt
Parameter
230 Mrd.
Input Preis
$0.30
Output Preis
$1.20
Vokabular
Unbekannt
Dateigröße
214,33 GB
MiniMax M2.7 Benchmark Scores
Im KI-Kontext bezeichnet Performance die Leistungsfähigkeit eines Modells in Bereichen wie Sprachverständnis, Logik oder Programmierung – gemessen anhand standardisierter Benchmarks zur objektiven Vergleichbarkeit.
Technologie & Daten
Technische Spezifikationen
| Architektur | Sparse MoE-Transformer |
|---|---|
| Input Kontextlänge | 204,8k |
| Output Kontextlänge | 131,07k |
| Tokenizer | MiniMax Tokenizer |
Besonderheiten
| Highspeed-API | Zweite API-Variante (M2.7-highspeed) mit schnellerem Durchsatz (~100 TPS, 3x schneller als Opus 4.6) |
|---|---|
| Sichtbares Thinking | Thinking-Tokens in |
| Hohe Verlässlichkeit bei Skill-Nutzung | Bei 40 komplexen Skills (>2000 Token) kann M2.7 zu 97% die korrekten Skills verwenden |
Vorteile & Nachteile
Vorteile
- Sehr gutes Preis-Leistungs-VerhältnisMit $0,30 / 1 Mio. Input- und $1,20 / 1 Mio. Output-Tokens ist MiniMax M2.7 eines der günstigsten Frontier-Modelle auf dem Markt.
- Starkes Coding-ModellMiniMax-M2.7 übertrifft mit 56,22% in SWE-Bench Pro und 55.6% in VIBE-Pro (Vibe Coding Benchmark) die Ergebnisse des M2.5 Vorgängermodells. Damit liegt es fast auf dem Niveau von Claude Opus 4.6.
- Unterstützt nativ viele Coding ToolsNative Unterstützung für Claude Code, Cursor, Roo Code, Kilo Code, Cline, OpenClaw, TRAE, Grok CLI, Codex CLI und weitere.
- Extrem hoher DurchsatzIn der Highspeed-Variante erreicht MiniMax-M2.7 bis zu 100 Tokens Throughput pro Sekunde. Damit ist es ca. 3x schneller als Claude Opus 4.6, wobei aktuell noch offen ist, wie viele Tokens das Modell zum Lösen vergleichbarer Aufgaben benötigt.
Nachteile
- Hohe Hardware-Anforderungen für lokales DeploymentAuch wenn MiniMax-M2.7 das kleinste Frontier-Modell ist, werden für das lokale Betreiben des 230B-Parameter-Modells mehrere High-End-GPUs benötigt.
- Kein natives multimodales InputM2.7 unterstützt nativ nur Text-Input. Die Verarbeitung von Bildern und anderen Modalitäten erfordert die separate MiniMax VL-01 API.
- Politischer BiasWie bei anderen Modellen chinesischer LLM-Entwickler muss davon ausgegangen werden, dass politische Einflüsse in die Antworten mit einfließen.
Vergleiche MiniMax M2.7 mit anderen LLMs
Vergleiche MiniMax M2.7 mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Parameteranzahl, Preisen und Benchmark-Leistung.
Provider & APIs
Du kannst MiniMax MiniMax M2.7 über die API folgender Anbieter nutzen.
Das Modell ist derzeit bei keinen Anbietern verfügbar.
