text
silvamux/
minimax-m2.7Minimax M2.7是一款侧重信息检索/RAG的模型,在文本理解方面也有较好表现。它适合处理企业知识检索、资料问答与检索增强生成,可作为相关业务流程中的理解、推理或生成能力底座。
Pricing
Tune and Pro share the same prices.
| Input context | Input | Output | Cache read | Cache write |
|---|---|---|---|---|
| - | ¥2.1 / 1M tokens | ¥8.4 / 1M tokens | ¥0.42 / 1M tokens | ¥2.625 / 1M tokens |
Capabilities
Minimax M2.7在本轮能力评测中综合得分62,整体表现良好。其数学与科学推理(86%)和指令遵循(84%)表现突出,能够处理数学求解、科学分析和结构化推理任务,并按照明确格式和步骤稳定完成结构化任务。对企业知识库团队、AI 应用开发者和研究人员而言,它适合用于资料检索、文档问答、信息抽取和检索增强生成场景,解决从大量资料中找到相关信息,并形成可用于后续决策的回答;文本理解(84%)也为相关任务提供补充。在能力边界上,代码生成(0%)相对较弱,不适合直接承担代码编写任务;如用于研发流程,应限制在代码分析或辅助判断,并由开发者验证结果。
62/ 100
专项进阶能力
8 items智能体协同41%
7 questions · 主/客观混合
代码生成0%
10 questions · 客观
代码理解与调试74%
12 questions · 主观
创意写作70%
17 questions · 主观
信息检索 / RAG53%
13 questions · 主/客观混合
长文本处理65%
3 questions · 主观
数学与科学推理86%
14 questions · 客观
多语言能力60%
10 questions · 主/客观混合
通用基础能力
3 items通识知识57%
15 questions · 主/客观混合
文本理解84%
5 questions · 主观
逻辑推理77%
20 questions · 主/客观混合
安全与合规能力
2 items幻觉控制61%
9 questions · 主观
指令遵循84%
14 questions · 主观
Performance
Minimax M2.7 Tune
minimax-m2.7@tune- 延迟
- 45.26s
- 吞吐量
- 1.05Ktokens/min
- 可用率
- 98.66%
Availability
98.66%- 完成率
- 94%
- 缓存命中率
- 动态变化
- 累计评测耗时
- 20719.5s
- Token 消耗
- 364,220tokens
- 平均请求次数
- 1.1次
- TPM
- 1,055tokens/min
- QPM
- 0.4req/min
Minimax M2.7
minimax-m2.7- 延迟
- 44.53s
- 吞吐量
- 1.57Ktokens/min
- 可用率
- 98.66%
Availability
98.66%- 完成率
- 97%
- 缓存命中率
- 1.9%
- 累计评测耗时
- 15496.1s
- Token 消耗
- 405,164tokens
- 平均请求次数
- 1.0次
- TPM
- 1,569tokens/min
- QPM
- 0.6req/min
Minimax M2.7 example code and API
Tune
minimax-m2.7@tune/api/v0/chat/completions/api/v1/responses/api/anthropic/v1/messagesPro
minimax-m2.7/api/v0/chat/completions/api/v1/responses/api/anthropic/v1/messagescurl https://www.silvamux.com/api/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "minimax-m2.7",
"messages": [{"role": "user", "content": "Hello, please introduce yourself"}]
}'# pip install openai
from openai import OpenAI
client = OpenAI(
base_url="https://www.silvamux.com/api/v1",
api_key="YOUR_API_KEY",
)
response = client.chat.completions.create(
model="minimax-m2.7",
messages=[
{"role": "user", "content": "Hello, please introduce yourself"}
],
)
print(response.choices[0].message.content)// Gradle: implementation(__HL_SLOT_0__)
import okhttp3.*;
OkHttpClient client = new OkHttpClient();
MediaType json = MediaType.get("application/json");
String payload = "{\"model\":\"minimax-m2.7\",\"messages\":[{\"role\":\"user\",\"content\":\"Hello, please introduce yourself\"}]}";
Request request = new Request.Builder()
.url("https://www.silvamux.com/api/v1/chat/completions")
.header("Authorization", "Bearer YOUR_API_KEY")
.post(RequestBody.create(payload, json))
.build();
try (Response response = client.newCall(request).execute()) {
System.out.println(response.body().string());
}// npm install openai
import OpenAI from 'openai'
const client = new OpenAI({
baseURL: 'https://www.silvamux.com/api/v1',
apiKey: 'YOUR_API_KEY',
})
const response = await client.chat.completions.create({
model: 'minimax-m2.7',
messages: [{ role: 'user', content: 'Hello, please introduce yourself' }],
})
console.log(response.choices[0].message.content)