MiniMax

适用范围

在以下情况使用此页面：

• 你想在 Moltbot 中使用 MiniMax 模型
• 你需要 MiniMax 设置指导

MiniMax 是一家构建 M2/M2.1 模型系列的 AI 公司。当前的 专注于编程的版本是 MiniMax M2.1（2025 年 12 月 23 日发布），专为 现实世界的复杂任务而构建。

来源：MiniMax M2.1 发布说明

模型概述（M2.1）

MiniMax 在 M2.1 中强调以下改进：

• 更强的多语言编程（Rust、Java、Go、C++、Kotlin、Objective-C、TS/JS）。
• 更好的Web/应用开发和美学输出质量（包括原生移动端）。
• 改进的复合指令处理，用于办公风格的工作流程，建立在 交错的思考和集成的约束执行之上。
• 更简洁的响应，具有更低的 token 使用量和更快的迭代循环。
• 更强的工具/代理框架兼容性和上下文管理（Claude Code、 Droid/Factory AI、Cline、Kilo Code、Roo Code、BlackBox）。
• 更高质量的对话和技术写作输出。

MiniMax M2.1 vs MiniMax M2.1 Lightning

• 速度： Lightning 是 MiniMax 定价文档中的"快速"变体。
• 成本： 定价显示相同的输入成本，但 Lightning 具有更高的输出成本。
• 编程计划路由： Lightning 后端在 MiniMax 编程计划上不直接可用。 MiniMax 会自动将大多数请求路由到 Lightning，但在流量高峰期间回退到 常规 M2.1 后端。

选择设置

MiniMax M2.1 — 推荐

最适合： 托管的 MiniMax，带有与 Anthropic 兼容的 API。

通过 CLI 配置：

• 运行 moltbot configure
• 选择 Model/auth
• 选择 MiniMax M2.1

{
  env: { MINIMAX_API_KEY: "sk-..." },
  agents: { defaults: { model: { primary: "minimax/MiniMax-M2.1" } } },
  models: {
    mode: "merge",
    providers: {
      minimax: {
        baseUrl: "https://api.minimax.io/anthropic",
        apiKey: "${MINIMAX_API_KEY}",
        api: "anthropic-messages",
        models: [
          {
            id: "MiniMax-M2.1",
            name: "MiniMax M2.1",
            reasoning: false,
            input: ["text"],
            cost: { input: 15, output: 60, cacheRead: 2, cacheWrite: 10 },
            contextWindow: 200000,
            maxTokens: 8192
          }
        ]
      }
    }
  }
}

MiniMax M2.1 作为后备（Opus 主要）

最适合： 保持 Opus 4.5 为主要，故障转移到 MiniMax M2.1。

{
  env: { MINIMAX_API_KEY: "sk-..." },
  agents: {
    defaults: {
      models: {
        "anthropic/claude-opus-4-5": { alias: "opus" },
        "minimax/MiniMax-M2.1": { alias: "minimax" }
      },
      model: {
        primary: "anthropic/claude-opus-4-5",
        fallbacks: ["minimax/MiniMax-M2.1"]
      }
    }
  }
}

可选：通过 LM Studio 本地（手动）

最适合： 使用 LM Studio 进行本地推理。 我们在强大的硬件（例如台式机/服务器）上使用 LM Studio 的本地服务器 与 MiniMax M2.1 取得了良好的效果。

通过 moltbot.json 手动配置：

{
  agents: {
    defaults: {
      model: { primary: "lmstudio/minimax-m2.1-gs32" },
      models: { "lmstudio/minimax-m2.1-gs32": { alias: "Minimax" } }
    }
  },
  models: {
    mode: "merge",
    providers: {
      lmstudio: {
        baseUrl: "http://127.0.0.1:1234/v1",
        apiKey: "lmstudio",
        api: "openai-responses",
        models: [
          {
            id: "minimax-m2.1-gs32",
            name: "MiniMax M2.1 GS32",
            reasoning: false,
            input: ["text"],
            cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
            contextWindow: 196608,
            maxTokens: 8192
          }
        ]
      }
    }
  }
}

通过 moltbot configure 配置

使用交互式配置向导设置 MiniMax，无需编辑 JSON：

1. 运行 moltbot configure。
2. 选择 Model/auth。
3. 选择 MiniMax M2.1。
4. 在提示时选择你的默认模型。

配置选项

• models.providers.minimax.baseUrl：优先使用 https://api.minimax.io/anthropic（与 Anthropic 兼容）；https://api.minimax.io/v1 可选，用于与 OpenAI 兼容的负载。
• models.providers.minimax.api：优先使用 anthropic-messages；openai-completions 可选，用于与 OpenAI 兼容的负载。
• models.providers.minimax.apiKey：MiniMax API 密钥（MINIMAX_API_KEY）。
• models.providers.minimax.models：定义 id、name、reasoning、contextWindow、maxTokens、cost。
• agents.defaults.models：为你想要在允许列表中的模型设置别名。
• models.mode：如果你想将 MiniMax 与内置模型一起添加，请保持 merge。

说明

• 模型引用为 minimax/<model>。
• 编程计划使用 API：https://api.minimaxi.com/v1/api/openplatform/coding_plan/remains（需要编程计划密钥）。
• 如果你需要精确的成本跟踪，请更新 models.json 中的定价值。
• MiniMax 编程计划的推荐链接（9 折）：https://platform.minimax.io/subscribe/coding-plan?code=DbXJTRClnb&source=link
• 有关提供商规则，请参阅 /concepts/model-providers。
• 使用 moltbot models list 和 moltbot models set minimax/MiniMax-M2.1 进行切换。

故障排除

“Unknown model: minimax/MiniMax-M2.1”

这通常意味着 MiniMax 提供商未配置（没有提供商条目 且未找到 MiniMax 认证配置文件/环境密钥）。 针对此检测的修复在 2026.1.12 中（撰写本文时尚未发布）。修复方法：

• 升级到 2026.1.12（或从源代码 main 运行），然后重启 gateway。
• 运行 moltbot configure 并选择 MiniMax M2.1，或
• 手动添加 models.providers.minimax 块，或
• 设置 MINIMAX_API_KEY（或 MiniMax 认证配置文件），以便可以注入提供商。

确保模型 id 区分大小写：

• minimax/MiniMax-M2.1
• minimax/MiniMax-M2.1-lightning

然后重新检查：

moltbot models list