MiniMax H3 Image Highspeed
MiniMax H3-Image 图像生成模型的高速版本,通过 API 提供文生图和图片编辑能力。官方称 Highspeed 模式速度可达到主流工具的 3–4 倍;这是官方比较,不代表每次请求都有固定耗时。(minimax.cn) 接受文本提示词生成图片,也可结合 1–16 张参考图进行编辑或参考生成,适合视觉创作、插画、产品素材制作和现有图片修改。 支持 1K、2K、4K 面积档位或自定义宽高;…
模型发布档案
聚合模型发布动态,按发布时间浏览,发现值得关注的新模型。
MiniMax H3-Image 图像生成模型的高速版本,通过 API 提供文生图和图片编辑能力。官方称 Highspeed 模式速度可达到主流工具的 3–4 倍;这是官方比较,不代表每次请求都有固定耗时。(minimax.cn) 接受文本提示词生成图片,也可结合 1–16 张参考图进行编辑或参考生成,适合视觉创作、插画、产品素材制作和现有图片修改。 支持 1K、2K、4K 面积档位或自定义宽高;…
MiniMax H3 Image 是开放权重的静态图像生成与编辑模型。官方发布记录显示,发布日期为 2026 年 11 月 10 日。(platform.minimax.io) 支持根据文本生成图像,也支持结合参考图进行图像编辑;最多可使用 16 张参考图。(platform.minimax.io) 官方模型仓库称,模型可直接生成约 1600 万像素图像,无需额外超分;支持多种宽高比。官方列举的尺…
MiniMax M3.1 Flash 是面向智能体工作流、编程、计算机操作和网络安全任务的原生多模态混合专家模型。官方称,匿名模型 Space Bunny 是其早期版本。模型于 2026 年 10 月 19 日发布。(minimax.io) 支持文本、图像和视频输入,输出文本;上下文窗口最高为 100 万 token。模型约有 4280 亿总参数,每个 token 激活约 230…
MiniMax Music 3.0 是面向完整音乐创作的开放权重生成模型。官方研究公告发布于 2026 年 8 月 13 日:模型可根据创意描述及可选歌词,在一次生成中完成作曲、编曲、演唱和制作,生成最长 5 分钟的歌曲。(minimax.io) 支持通过音乐描述控制风格、情绪变化、人声表现、配器和制作效果;歌词中的 [Verse]、[Chorus] 等标签可用于引导段落结构。 可用于歌曲创作、编…
MiniMax H3 是面向多模态内容创作的通用生成模型,于 2026 年 7 月 31 日发布。它统一理解由文本、图像、视频和音频组成的上下文,主要输出带原生双声道音频的视频。(minimax.io) 支持文生视频、图生视频、首尾帧生成,以及使用图片、视频和音频作为参考素材的视频生成。 输出视频时长为 4–15 秒,最高支持 2K 分辨率,并支持多种画幅。 官方列举的用途包括广告、品牌内容、电商…
MiniMax 的音乐生成模型,接收音乐风格、情绪等文字描述,并可结合歌词生成完整歌曲。官方称其改进了创作意图理解、乐器表现和人声自然度。(platform.minimax.io) 可根据提示词控制音乐风格、情绪和场景,并结合歌词生成演唱与编曲;也支持纯器乐生成。 可使用歌词优化功能,在没有现成歌词时生成歌曲;独立歌词生成 API 是另一项服务。 适用于视频、游戏或应用的主题曲等创作场景。单首生成…
MiniMax M3 是面向编程、智能体和长程协作的原生多模态模型。官方于 2026 年 6 月 1 日发布,API 模型 ID 为 MiniMax-M3。(minimax.cn) 支持文本、图片和视频输入,以文本形式输出;可用于多模态理解、代码生成与修复、长文档和代码库分析。(huggingface.co) 采用 MiniMax Sparse Attention(MSA),最高支持约 100 万…
MiniMax-M2.7-highspeed 是 MiniMax M2.7 系列的高速语言模型版本,面向编程、智能体和生产力任务。官方称其与标准版 M2.7 的结果一致,但响应速度更快。(minimaxi.com) 支持复杂智能体工作流,可用于多智能体协作、工具检索和多步骤任务。 适用于软件工程,包括项目开发、日志分析、Bug 排查和代码安全分析。 可辅助处理 Excel、PPT、Word 等办公…
MiniMax-M2.7 是面向软件工程、专业办公和智能体任务的大语言模型。MiniMax 于 2026-03-18 发布,称其是首个深度参与自身迭代的模型。(minimax.io) 软件工程:可用于代码生成、调试、日志分析、代码安全检查和端到端项目交付。 智能体工作流:支持复杂 Agent Harness、多智能体协作、技能和动态工具搜索。官方介绍的“自我进化”是指模型参与研发实验与流程优化,并…
MiniMax Music 2.5+ 是面向音乐创作的生成模型版本,在歌曲生成基础上增加了无需人声的纯音乐创作能力。官方公告日期为 2026 年 3 月 4 日。(minimax.cn) 根据文字描述生成音乐,支持古典管弦、极简主义、现代电子、氛围音和自然声景等风格。 可生成从纯自然声音到多轨器乐编排的内容,并支持跨风格组合,例如中国传统乐器与现代音乐风格的融合。 适用于冥想、助眠、广告、游戏及影…
M2.5-Lightning 是 MiniMax M2.5 面向真实世界生产力和智能体任务的高速版本。官方称其与 M2.5 标准版能力相同,但速度不同;Lightning 的输出吞吐量约为每秒 100 token。(minimax.io) **软件开发:**支持任务拆解、系统设计、编程、代码审查和测试,覆盖多种编程语言及全栈开发场景。 **智能体任务:**支持搜索、工具调用和复杂任务规划,可用于构…
MiniMax-M2.5 是面向真实生产力场景的语言模型,重点支持编程、智能体工具调用、搜索和办公任务。官方公告日期为 2026 年 2 月 12 日。(minimax.io) 软件开发:支持多语言编码、系统设计、功能迭代、代码审查和测试,可用于 Web、移动端及桌面端全栈项目。 智能体任务:可结合搜索和工具调用,拆解并执行复杂任务。 办公与研究:可用于文档、演示文稿、电子表格、金融建模和行业研究…
MiniMax Speech 2.8 是面向文本转语音和语音智能体场景的语音生成模型,侧重自然表达、音色复刻和多语言交互。官方公告发布于 2026 年 1 月 23 日。(minimax.io) 支持原生声音标签,可在合成语音中加入笑声、呼吸、叹气等声音,并控制停顿;可调整音量、语速和音调。(platform.minimax.io) 官方称可使用约 10 秒的样本进行音色复刻;也强调降低背景噪声和…
MiniMax-M2.1 是面向智能体、软件开发和复杂办公任务的开放权重语言模型,是 MiniMax-M2 的升级版本。官方介绍其采用混合专家(MoE)架构,总参数约 2300 亿,每次推理激活约 100 亿参数。(minimax.io) **多语言编程:**针对 Rust、Java、Go、C++、Kotlin、Objective-C、TypeScript 和 JavaScript 等语言进行了增…
VTP-Large-f16d64 是 VTP(Visual Tokenizer Pre-training)系列的视觉分词器模型,面向图像表征、重建和生成研究,而非通用文本对话模型。官方模型卡列出的模型规模约为 0.7B 参数。(github.com) **视觉表征与图文对齐:**联合使用图文对比学习、自监督学习和图像重建目标,可提取图像特征,也可计算图像与文本的特征相似度,用于零样本分类等任务。…
VTP-Base-f16d64 是 MiniMax 发布的 Base 版视觉分词器预训练模型,主要用于图像特征提取和生成模型的视觉潜空间表示。VTP 框架联合训练图文对比、自监督和图像重建目标。官方模型页面提供可下载权重,标注模型规模约 0.3B 参数、许可证为 modified-mit。(huggingface.co) 将图像编码为视觉特征或潜变量,并用于图像重建;可结合文本特征进行图文相似度计…
VTP-Small-f16d64 是 VTP 系列的 Small 版视觉分词器和图像特征提取模型,由 MiniMax 与华中科技大学研究人员开展相关研究。模型权重已公开,可用于本地部署;官方模型页标示约 0.2B 参数。(github.com) 将图像编码为潜在表示,并支持图像重建;可提取图像特征,用于视觉表示学习和线性探测。 支持图文对比特征,可用于零样本图像分类;也可作为扩散模型的视觉分词器,…
MiniMax-Hailuo-2.3-Fast 是 Hailuo 2.3 系列的快速视频生成模型,侧重提高生成速度和降低批量创作成本。官方于 2025 年 10 月 28 日发布 Hailuo 2.3,并同时介绍了 Fast 版本。(minimax.io) 图生视频:以图片作为视觉输入,将静态画面转为视频;适用于短视频、营销素材和创意内容的快速制作。(minimax.io) 系列能力:官方介绍…
MiniMax-Hailuo-2.3 是 MiniMax 基于 Hailuo 02 迭代的视频生成模型,面向创作者、营销人员和企业的视频制作流程。官方于 2025 年 10 月 28 日发布,并宣布 VEED 为首发合作伙伴。(minimax.io) 支持文本生成视频和图像生成视频;官方公告列出 768P、1080P 分辨率以及 6 秒、10 秒片段选项。(minimax.io) 官方称其改善了复…
MiniMax-M2 于 2025 年 10 月 27 日发布,是面向代码开发和智能体工作流的语言模型。官方模型卡称其采用混合专家(MoE)架构,总参数约 2300 亿,每次激活约 100 亿参数。(minimax.io) 支持端到端软件开发任务,包括多文件编辑、代码运行与修复、测试验证。(huggingface.co) 可规划和执行多步骤工具调用,例如协同使用 Shell、浏览器、Python…