跳转到主要内容
Last verified: 2026-10-14
MiniMax 发布面向智能体的开放权重模型。MiniMax M3 是当前旗舰——一款 ~428B 混合专家（MoE） 模型（每个 token 约 23B 活跃参数），拥有 1M token 上下文、原生多模态输入以及计算机使用/智能体工具调用能力。M2 系列（M2 → M2.5 → M2.7）是早期面向编程智能体的系列，约 ~230B；它更小、仅支持文本，并且——对于本地运行而言重要的是——拥有最成熟的社区量化生态系统。这些模型都不是单张消费级 GPU 能运行的，但 M2 系列 确实 可以在大内存 Mac 或工作站上运行。本页介绍哪些模型实际能在哪些硬件上运行，然后介绍如何使用 Tokios 为其提供私有端点。

​
你能在本地运行 MiniMax 吗？

MiniMax 在其官方仓库中仅发布 safetensors（BF16/F32）格式——没有官方的 GGUF、AWQ 或 MLX。所有量化版本均来自社区（Unsloth、bartowski 等）。这意味着： 所以实际情况是：MiniMax 是大内存模型，而非笔记本 GPU 模型。如果你拥有 128 GB+ 统一内存 Mac 或拥有 128–512 GB RAM 的工作站，M2 系列可以通过社区 GGUF 运行。低于此配置，MiniMax 实际上就是一个 API/云端模型。
MiniMax 稀疏注意力（MSA）尚未在 llama.cpp 中获得支持。 M3 主打的 1M 上下文和速度优势来自 MSA——但社区 GGUF 构建会回退到密集注意力，因此 本地 使用 llama.cpp/LM Studio 运行 M3 目前无法提供 M3 完整的长上下文行为。若要体验完整上下文下的真实 M3，请使用 vLLM/SGLang 运行 safetensors。

​
“Ollama 上的 MiniMax”是云端，而非本地

minimax-m3、minimax-m2.7、minimax-m2.5 和 minimax-m2 均存在于 Ollama 库中——但每个都仅暴露 :cloud 标签。这些标签将请求代理到 MiniMax 的托管 API；权重不会下载到你的机器，因此没有本地内容供连接器指向。要在你控制的硬件上自托管 MiniMax，请使用下文中的社区 GGUF（llama.cpp/LM Studio）或 safetensors（vLLM/SGLang）——而不是 Ollama 的 :cloud 标签。

​
在你自己的硬件上运行

在 128 GB+ 统一内存 Mac 或大内存工作站上，通过 llama.cpp 或 LM Studio 运行 M2.5/M2.7 社区 GGUF。从 Unsloth 或 bartowski 的量化版本开始，选择适合你组合内存的最大版本（UD-Q3_K_XL ≈ 101 GB，UD-IQ4_XS ≈ 108 GB；Q8_0 ≈ 243 GB 需要 ~256 GB RAM）。然后 LM Studio 会在 http://127.0.0.1:1234/v1 上暴露兼容 OpenAI 的 API。

​
变体与规格

以下所有数值均来自 Hugging Face 上的 MiniMax 模型卡片和 MiniMax 的发布说明。M2、M2.1、M2.5 和 M2.7 在 MiniMax 自己的文档中标记为已被取代——M3 是当前版本。在标准化之前，请对照模型卡片进行验证。 来源：MiniMaxAI/MiniMax-M3、MiniMaxAI/MiniMax-M2、MiniMax 发布说明、ollama.com/library/minimax-m3。
许可证因版本而异。 M2 是 MIT-with-attribution（宽松），M2.7 是非商业（商业使用需要书面授权），M3 使用 MiniMax Community License（低于收入阈值免费，需注明 “Built with MiniMax M3”）。在任何商业部署之前，请阅读特定模型卡片上的 LICENSE/LICENSE-MODEL 文件。

​
你应该运行哪个 MiniMax？

  • M3 适合需要当前旗舰——长上下文、多模态、智能体——并且拥有多 GPU 服务器的情况（也可以接受在大内存机器上 llama.cpp 的稀疏注意力限制）。
  • M2 / M2.7 适合拥有 128 GB 统一内存 Mac 或大内存工作站，并且想要一个可以通过成熟社区 GGUF 现在 运行的编程智能体模型的情况。M2 拥有最成熟的第三方工具；M2.7 是较新的编程版本（非商业许可证）。

​
使用 Tokios 连接

一旦 MiniMax 在你自己的硬件上运行——LM Studio、llama.cpp、vLLM 或 SGLang 暴露兼容 OpenAI 的 /v1——配对 Tokios 连接器，以便你可以从 Claude Code、Cline 或任何其他兼容客户端通过 https://api.tokios.com 访问它，而不仅仅局限于那台机器。
1

配对 Tokios 连接器

在 tokios.com/console 登录，打开 Setup 选项卡，并点击 Start pairing 获取一次性配对码（TKS-XXXX-XXXX）。在运行 MiniMax 的机器上安装并运行连接器：
macOS
Linux
然后 approve 该设备，在 Setup 或 Connectors 选项卡中操作。
2

将连接器指向你的运行时的 /v1 API

LM Studio 提供 http://127.0.0.1:1234/v1；vLLM/SGLang 提供 http://127.0.0.1:8000/v1。将正确的那个设置为 tokios-connector.json 中的上游——参见 连接器配置。
3

注册部署

在 Models 选项卡中，注册模型并选择一个公共部署名称，例如 minimax-tunnel。客户端在 model 字段中发送的是这个名称——而不是上游模型 ID。
4

创建 API 密钥

在 Keys 选项卡中，点击 Create key。立即复制 sk-tok-… 密钥——它仅显示一次。

​
从任何地方调用

其中 model 字段始终是你注册的部署名称（如上文的 minimax-tunnel），而不是上游模型 ID。有关完整的客户端设置，请参阅 使用 Claude Code 和 使用 Cline。

​
注意事项

  • MiniMax 仅发布 safetensors——每个 GGUF/AWQ/MLX 构建都是社区制作的。在依赖某个版本之前，请检查量化作者。
  • Ollama 的 minimax-* 标签仅限 :cloud 使用——它们在 MiniMax 的基础设施上运行，而不是你的。如果你想本地运行，请通过社区 GGUF 或 safetensors 自托管。
  • llama.cpp 尚不支持 MiniMax 稀疏注意力，因此 M3 的本地 GGUF 运行会回退到密集注意力并失去 M3 完整的长上下文优势——请使用 vLLM/SGLang 获得真实体验。
  • 这些是大内存 MoE 模型——即使每个 token 仅激活 ~10–23B 参数，所有参数也必须放入内存。请计划使用 128 GB+ 的机器，而不是单张消费级 GPU。

快速入门

配对连接器并端到端注册你的第一个模型。

在 Mac Studio 上运行模型

为什么大统一内存 Mac 是 M2 系列的天然家园。

你的 GPU 能容纳多大模型？

这些内存数字背后的尺寸计算。

哪个任务适合哪个本地模型？

可以在你已拥有的硬件上运行的较轻量模型。