MiniMax 的模型与产品动态：M 系列大模型、语音与多模态能力、开源与商业化进展。
当前仅显示精选新闻MiniMax 内部调查确认，MiniMax M2 无法生成“嘉祺”等低频 token 的根因是 SFT 数据覆盖不均导致 lm_head 表示漂移，输入侧 embedding 几乎不变故理解能力保留。调查还发现日语 token 严重退化与小语种混杂同源，加入全词表覆盖合成数据后，日俄混杂率从 47% 降至 1%，定向测试通过率从 4/16 升至 13/16。
推荐理由：原文以模型方一手实验定位稀疏 token 遗忘的 lm_head 漂移机制，并给出可复用的全词表覆盖修复数据方案。
Introducing the Cline SDK. We rebuilt the Cline harness for our extension and CLI from scratch using all the lessons learned since creating one of the world's first coding agents in 2024, and are open sourcing it for others to build with today. npm i @cline/sdk 🧵 Video
推荐理由：Cline 把重建的编码智能体框架开源为 SDK，MiniMax 同步建议在其上试跑 M2.7，可观察当前工具链的搭配方式。
MiniMax 发布 M2.7 模型，称其为首个深度参与自身演化的 M2 系列模型，让模型构建 skills、更新记忆并改进强化学习实验流程。SWE-Pro 得分 56.22%，VIBE-Pro 55.6%，Terminal Bench 2 57.0%，GDPval-AA ELO 1495 为开源模型最高；MLE Bench Lite 三次运行平均奖牌率 66.6%。
推荐理由：原文给出了自进化工作流细节和多维度基准数据，读者可以对照评估 M2.7 在智能体与工程任务上的实际位置。
MiniMax 发布新模型 MiniMax-M2.5 及提速版 M2.5-Lightning，SWE-Bench Verified 得分 80.2%，Multi-SWE-Bench 51.3%，BrowseComp 76.3%。
推荐理由：原文给出 M2.5 的基准分数、速度和成本对比，还透露 Forge RL 框架细节，读者可据此评估其在编码与 Agent 场景的性价比。
MiniMax 发布 MiniMax-M2.1 模型并开源权重，重点提升 Rust、Java、Golang、C++、Kotlin 等多语言编程能力和原生 Android/iOS 开发能力。
推荐理由：官方说明 M2.1 相比 M2 的能力变化重点和使用入口，读者可据此判断它在多语言编程和办公场景中的适配价值。
MiniMax 开源并发布面向 Agent 和编码场景的模型 MiniMax M2，API 定价为每百万输入 tokens $0.30/¥2.1、输出 $1.20/¥8.4，为 Claude 4.5 Sonnet 的 8%，推理速度接近其两倍，TPS 约 100。
推荐理由：官方给出了 M2 的定价、推理速度、基准成绩与部署方式，读者可据此评估其在 Agent 工作流中的成本与性能权衡。