MiniMax · 2025-10 · 稀疏 MoE
MiniMax-M2
MiniMax-M2 是 MiniMax 於 2025-10 發布的 分組查詢注意力（GQA） Transformer，共 62 層，隱藏維度 3072，上下文視窗 196,608 個 token。
層堆疊
注意力 ×62 · 層數 62
關鍵參數
| 實驗室 | MiniMax |
|---|---|
| 發布時間 | 2025-10 |
| 總參數 | 228.3 B |
| 激活參數 | 10.6 B |
| 上下文 | 196,608 tokens |
| 注意力 | GQA (48:8) |
| 層數 | 62 |
| 隱藏維度 | 3,072 |
| 注意力頭 | 48 |
| 詞表 | 200,064 |
| 位置編碼 | RoPE |
| 正規化 | RMSNorm |
| 激活函數 | silu |
| 訓練精度 | fp8 |
| 架構類別 | MiniMaxM2ForCausalLM |
架構概覽
注意力
分組查詢注意力（GQA） — 48 q-heads / 8 kv-heads. RoPE θ=5,000,000.
前饋 / MoE
它是稀疏混合專家模型：256 個路由專家、top-8 路由；每個 token 約激活 10.6B 參數。
設定中包含 3 個額外的多 token 預測（MTP）層，用於加速解碼。
欄位級對比
對比對象為同實驗室的上一代模型；無前代時取結構最相似的模型。倍數欄 = 本模型數值 ÷ 對比模型數值。
與前代 MiniMax-M1 的全欄位對比
| 模型 | MiniMax-M2 | MiniMax-M1 | 倍數 |
|---|---|---|---|
| model_type | minimax_m2 | minimax | ≠ |
| architectures | MiniMaxM2ForCausalLM | MiniMaxForCausalLM | ≠ |
| hidden_size | 3072 | 6144 | ×0.500 |
| num_hidden_layers | 62 | 80 | ×0.775 |
| num_attention_heads | 48 | 64 | ×0.750 |
| num_key_value_heads | 8 | 8 | ≈1 |
| head_dim | 128 | 128 | ≈1 |
| intermediate_size | 1536 | 9216 | ×0.167 |
| hidden_act | silu | silu | ＝ |
| num_experts_per_tok | 8 | 2 | ×4.00 |
| rope_theta | 5000000 | 10000000 | ×0.500 |
| max_position_embeddings | 196608 | 10240000 | ×0.019 |
| rms_norm_eps | 0.000001 | 0.00001 | ×0.100 |
| vocab_size | 200064 | 200064 | ≈1 |
| attention_dropout | 0 | 0 | ＝ |
| attn_type_list | 1×62 | — | |
| initializer_range | 0.02 | 0.02 | ≈1 |
| layernorm_full_attention_beta | 1 | — | |
| layernorm_linear_attention_beta | 1 | — | |
| layernorm_mlp_beta | 1 | — | |
| mlp_intermediate_size | 8192 | — | |
| mtp_transformer_layers | 1 | — | |
| num_local_experts | 256 | 32 | ×8.00 |
| num_mtp_modules | 3 | — | |
| output_router_logits | false | false | ＝ |
| qk_norm_type | per_layer | — |
結構最相似的模型
- MiniMax-M2.5 (MiniMax, 2026-02) 1.000
- MiniMax-M2.7 (MiniMax, 2026-04) 1.000
- Qwen3.8-Flash-Next (Qwen, 2026-08) 0.934
- GLM-4.5-Air (GLM, 2025-07) 0.934
- Qwen3-Next 80B A3B (Qwen, 2025-09) 0.933
- Qwen3-Coder-Next (Qwen, 2026-01) 0.933
相似度取值範圍 0（無共同類別特徵）到 1（結構輪廓完全一致）。
原始 config 欄位
38 個欄位
| architectures | MiniMaxM2ForCausalLM |
|---|---|
| attention_dropout | 0 |
| attn_type_list | 1×62 |
| head_dim | 128 |
| hidden_act | silu |
| hidden_size | 3072 |
| initializer_range | 0.02 |
| intermediate_size | 1536 |
| layernorm_full_attention_beta | 1 |
| layernorm_linear_attention_beta | 1 |
| layernorm_mlp_beta | 1 |
| max_position_embeddings | 196608 |
| mlp_intermediate_size | 8192 |
| model_type | minimax_m2 |
| mtp_transformer_layers | 1 |
| num_attention_heads | 48 |
| num_experts_per_tok | 8 |
| num_hidden_layers | 62 |
| num_key_value_heads | 8 |
| num_local_experts | 256 |
| num_mtp_modules | 3 |
| output_router_logits | false |
| qk_norm_type | per_layer |
| rms_norm_eps | 0.000001 |
| rope_theta | 5000000 |
| rotary_dim | 64 |
| router_aux_loss_coef | 0.001 |
| router_jitter_noise | 0 |
| scoring_func | sigmoid |
| shared_intermediate_size | 0 |
| shared_moe_mode | sigmoid |
| tie_word_embeddings | false |
| transformers_version | 4.57.1 |
| use_cache | true |
| use_mtp | true |
| use_qk_norm | true |
| use_routing_bias | true |
| vocab_size | 200064 |