MiniMax发布并开放MiniMax-M2.1模型权重，采用Modified-MIT许可在Hugging Face提供下载，同时给出本地部署指引与常用推理框架配置建议。官方将其定位为面向真实世界软件开发与智能体工作流的模型更新，强调可控、可部署与更顺滑的交互体验。
在官方公开的基准表中，MiniMax-M2.1在Multi-SWE-bench取得49.4，超过Claude Sonnet 4.5（44.3）与Gemini 3 Pro（42.7）；在SWE-bench Multilingual为72.5，也高于Sonnet 4.5（68）与Gemini 3 Pro（65）。其自建的应用开发评测VIBE平均分为88.6，同样高于Sonnet 4.5（85.2）与Gemini 3 Pro（82.4）。不过在SWE-bench Verified上，MiniMax-M2.1为74.0，仍落后于Sonnet 4.5（77.2）与Gemini 3 Pro（78.0），因此“全面超越”并不成立，更接近“在部分编码与应用开发基准领先”。
模型页显示规模约229B参数；同系列M2被描述为MoE架构、总参数约230B且每token激活约10B，主打以较低激活规模换取部署效率。需要注意的是，部分成绩基于特定脚手架与内部评测流程，复现结果可能受工具链、提示词与运行环境影响；本地运行仍对显存、吞吐与量化方案有较高要求。
常见问题
Q：MiniMax-M2.1是什么类型的模型？
A：定位为面向编码与智能体工作流的开源权重模型，并提供本地部署指南。
Q：MiniMax-M2.1是否真的“打败Claude Sonnet 4.5与Gemini 3 Pro”？
A：在Multi-SWE-bench、SWE-bench Multilingual与VIBE平均分等项目领先，但在SWE-bench Verified仍低于两者。
Q：MiniMax-M2.1能否在本地运行？
A：官方提供SGLang、vLLM、Transformers等部署路径，但对GPU显存与量化配置有要求。
Q：MiniMax-M2.1的许可与使用限制是什么？
A：模型页标注Modified-MIT许可，一般更利于商用与再分发，但仍需按仓库条款与附带文件执行。
