Minimax M2.7

在线体验
silvamux/minimax-m2.7

Minimax 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。

支持模态
text
输入价格¥2.1 / 1M tokensper 1M tokens
输出价格¥8.4 / 1M tokensper 1M tokens
上下文205K
最大输出197K
发布日期2026-03-18

价格

Tune 与 Pro 采用相同的价格。

输入上下文输入输出缓存读取缓存写入
-¥2.1 / 1M tokens¥8.4 / 1M tokens¥0.42 / 1M tokens¥2.625 / 1M tokens

模型能力

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。

综合能力
62/ 100良好
突出能力数学与科学推理 86%指令遵循 84% · 文本理解 84%
最适合场景结构化输出 / 指令任务 / 智能客服 / 内容分析场景适配度 62%
相对短板代码生成0%

专项进阶能力

8 项
智能体协同41%

7 题 · 主/客观混合

代码生成0%

10 题 · 客观

代码理解与调试74%

12 题 · 主观

创意写作70%

17 题 · 主观

信息检索 / RAG53%

13 题 · 主/客观混合

长文本处理65%

3 题 · 主观

数学与科学推理86%

14 题 · 客观

多语言能力60%

10 题 · 主/客观混合

通用基础能力

3 项
通识知识57%

15 题 · 主/客观混合

文本理解84%

5 题 · 主观

逻辑推理77%

20 题 · 主/客观混合

安全与合规能力

2 项
幻觉控制61%

9 题 · 主观

指令遵循84%

14 题 · 主观

服务表现

Minimax M2.7 Tune

minimax-m2.7@tune
延迟
45.26s
吞吐量
1.05Ktokens/min
可用率
98.66%
可用率
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
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%
可用率
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
TPM
1,569tokens/min
QPM
0.6req/min

Minimax M2.7 的示例代码和 API

Tuneminimax-m2.7@tune
/api/v0/chat/completions/api/v1/responses/api/anthropic/v1/messages
统一入口OpenAI ResponsesAnthropic
Prominimax-m2.7
/api/v0/chat/completions/api/v1/responses/api/anthropic/v1/messages
统一入口OpenAI ResponsesAnthropic
curl https://www.silvamux.com/api/v1/chat/completions \
  -H "Authorization: Bearer 你的API密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-m2.7",
    "messages": [{"role": "user", "content": "你好,请介绍一下自己"}]
  }'