3
里程碑
8
重要更新
3
常规动态
MiniMax 推出 HD/Turbo 系列语音合成预付费套餐
MiniMax 平台针对其 HD 系列和 Turbo 系列 TTS（文本转语音）模型，正式推出三款预付费语音合成套餐，以满足不同规模企业的降本需求。套餐一包含 200 万字符（1个月有效），HD 版 630 元，Turbo 版 360 元；套餐二包含 2000 万字符（3个月有效），HD 版 5950 元，Turbo 版 3400 元；套餐三包含 2 亿字符（1年有效），HD 版 5.6 万元，Turbo 版 3.2 万元。三档套餐分别提供 10%、15% 和 20% 的价格折扣，大客户还可通过商务定制获取额外量级折扣，进一步降低语音合成成本。
MiniMax 推出 Music 3.0：开放权重的生产级全能音乐生成模型
MiniMax 正式推出新一代音乐生成模型 Music 3.0，被定位为「开放权重、生产级」的全能音乐模型。用户只需提供创意想法和可选歌词，模型即可在一次生成中完成作曲、编曲、演唱与制作，输出完整歌曲。Music 3.0 的开放权重策略与 Suno、Udio 等闭源音乐模型形成差异化竞争，降低了音乐生成模型的获取门槛，使定制化训练和私有化部署成为可能，面向音乐创作者、内容制作公司和 AI 应用开发者。
MiniMax 发布 H3 全模态生成模型：统一理解文本、图像、视频与声音
MiniMax 正式发布 H3，一款通用全模态生成模型。H3 支持对文本、图像、视频、声音组成的多模态上下文进行统一理解，并能够输出具备原生双声道的音视频内容，最高支持 15 秒 2K 分辨率视频生成。该模型将文本、图像、视频、音频统一在单一模型架构中，对标 OpenAI GPT-4o 和 Google Gemini 等全模态模型，标志着全模态生成赛道竞争进一步加剧。H3 面向 AI 内容创作者、视频制作者和多模态应用开发者，提供一站式多模态内容生成能力。
MiniMax 发布 MaxProof 框架：数学证明能力超越人类金牌线
MiniMax 发布 MaxProof 框架技术报告，这是一套生成式验证强化学习驱动的数学证明进化系统。搭配 MaxProof 框架后，M3 模型在 IMO 2025 和 USAMO 2026 两组国际数学竞赛真题上均超过人类金牌线。技术报告涵盖基座模型能力增强、verifier 对齐、refinement 能力构建以及测试时增强框架 MaxProof 的设计四个方面，展示了测试时增强（test-time augmentation）在数学推理领域的突破性进展。
MiniMax 发布 M3 模型：前沿编程能力、1M 上下文与原生多模态
MiniMax 正式发布 M3 模型，具备前沿编程和智能体任务能力。M3 采用全新自研注意力架构 MSA（MiniMax Sparse Attention），最高支持 1M 超长上下文窗口，在上下文维度对标 Google Gemini 和 Anthropic Claude。同时 M3 为原生多模态模型，可处理跨模态任务。该模型面向开发者、企业 AI 应用构建者和编程 Agent 用户，旨在支持更复杂的代码库理解和多模态交互场景。
MiniMax 公开 M2 系列稀疏 Token 遗忘问题排查与修复
MiniMax 团队于 2026 年 5 月发布技术文章，详细记录了排查 M2 系列模型「无法识别马嘉祺」等稀疏 Token 遗忘问题的完整过程。该问题最初由开发者社区在深度使用中发现，排查路径涵盖 tokenizer 对齐到 lm_head 退化分析，揭示了稀疏 Token 遗忘的底层机制并提出了修复方案。MiniMax 以公开透明的方式分享模型缺陷排查过程，有助于建立开发者社区信任，同时为行业提供了处理类似问题的参考案例。
MiniMax 发布 Mavis：Agent 升级为长程任务 AI 管家
MiniMax 于 2026 年 4 月宣布 Agent 产品线整体升级，命名为 Mavis（MiniMax as a Jarvis），定位为「AI 管家」，专注于长程任务的持续进化能力。此次品牌化升级表明 MiniMax 在 Agent 领域从单一工具向管家级助手的战略转型，与 OpenAI Operator、Anthropic Claude Agent 等产品形成直接竞争。Mavis 面向需要自动化长程复杂任务的用户和开发者，提供更全面的 AI 助手体验。
MiniMax 发布 M2.7：模型深度参与自我迭代进化
MiniMax 于 2026 年 3 月发布 M2.7 版本，定位为第一个模型深度参与迭代自身的版本。在 M2 系列发布后，MiniMax 基于用户反馈加速迭代，通过引入模型自我进化（self-improvement）机制提升迭代效率。模型自我进化是 AI 领域的前沿方向，M2.7 的实践为行业提供了模型参与自身迭代周期的案例。该版本面向 M2 系列现有用户，旨在缩短模型改进周期。
MiniMax 发布 Forge Agent 强化学习训练框架
MiniMax 于 2026 年 2 月发布 Forge 框架，旨在解决真实世界 Agent 强化学习中长期存在的三角约束问题——系统吞吐、训练稳定性与 Agent 灵活性三者之间的相互制约。该框架定位为可扩展的 RL 训练解决方案，试图推动大规模强化学习从研究阶段走向工业级系统落地。Forge 若能在三角约束上取得实质性突破，将对 Agent RL 训练领域产生重要参考价值，降低工业级 Agent RL 部署门槛。
MiniMax 发布 M2.5，编程与工具调用达行业 SOTA
MiniMax 发布 M2.5 模型，经过数十万个真实复杂环境中的大规模强化学习训练，在编程、工具调用和搜索、办公等生产力场景达到行业 SOTA。SWE-Bench Verified 达 80.2%，Multi-SWE-Bench 达 51.3%，BrowseComp 达 76.3%。在 SWE-Bench Verified 上比 M2.1 完成任务速度快 37%，使其在编程 Agent 领域的性价比竞争力显著增强，对软件开发工具市场产生直接影响。
MiniMax 发布 M2-her 角色扮演 Agent 生产环境技术报告
MiniMax 发布关于如何在生产环境中构建真正可用的 Role-Play Agent 的技术报告，基于旗下 Talkie/Xingye 产品三年运营经验，分享从长期用户反馈中提炼的技术洞见。角色扮演 AI 是消费级 AI 应用的重要赛道，该报告公开了三年运营经验中的实战知识，有助于提升行业对角色扮演 Agent 生产化的理解。
MiniMax 发布 M2.1，大幅提升多语言编程能力
MiniMax 发布 M2.1 模型，系统性提升 Rust、Java、Golang、C++ 等多语言编程能力，强化 Web/App 开发美学与复合指令约束。在 SWE-bench、VIBE 等基准上接近 Claude Opus 4.5 水平，并在 Claude Code、Cline、Roo Code 等主流 Agent 框架中展现稳定泛化表现，表明 MiniMax 在编程能力上已进入第一梯队，兼容第三方 Agent 框架的策略有助于生态扩展。
MiniMax 发布 VTP 系列视觉特征提取模型
MiniMax 在 HuggingFace 同时发布 VTP-Small、VTP-Base、VTP-Large 三个视觉特征提取模型，填补了其在视觉编码器领域的空白。这些模型可能用于支撑多模态视觉理解或作为基础组件开放，覆盖不同场景需求。具体架构、训练数据及与多模态模型的关联尚未披露。
MiniMax 开源 M2 模型并上线 Agent 产品
MiniMax 正式开源并上线 M2 模型，专为 Agent 和代码场景设计，定价仅为 Claude Sonnet 的 8%，推理速度达其 2 倍，在 Artificial Analysis 榜单排名全球前五。同时推出 MiniMax Agent 产品，提供 Lightning 高效模式和 Pro 专业模式，限时免费开放使用。M2 以极具竞争力的价格和速度切入编程 Agent 模型市场，旨在大幅降低开发者和中小企业的使用门槛。