JawabanDipublikasikan16 sumber
MiniMax M2.1: Apa yang Berubah, Seberapa Andal, dan Cara Menjalankannya
MiniMax M2.1 adalah model open weight untuk coding dan agen AI dengan 230 miliar parameter total, tetapi hanya sekitar 10 miliar parameter aktif per token. Model ini meningkatkan dukungan untuk Rust, Java, Go, C++, Kotlin, Objective C, TypeScript, JavaScript, dan Python, sekaligus menyasar pengembangan aplikasi full...
Diterbitkan olehDiedit dengan GPT-5.6 LunaGambar dibuat dengan GPT Image 1.5
Jawaban penelitian
Poin-poin penting
- MiniMax M2.1 adalah model open weight untuk coding dan agen AI dengan 230 miliar parameter total, tetapi hanya sekitar 10 miliar parameter aktif per token.
- Model ini meningkatkan dukungan untuk Rust, Java, Go, C++, Kotlin, Objective C, TypeScript, JavaScript, dan Python, sekaligus menyasar pengembangan aplikasi full stack serta mobile native.
- MiniMax melaporkan skor 72,5% pada SWE bench Multilingual dan skor VIBE 88,6, termasuk 91,5 untuk VIBE Web serta 89,7 untuk VIBE Android.
- Pengembang dapat mengakses M2.1 melalui API MiniMax atau mengunduh bobotnya dari Hugging Face untuk deployment mandiri menggunakan SGLang maupun vLLM.
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: What is MiniMax M2.1, released by the Chinese AI startup on December 23, 2025, and how does this major open-source model update differ from. Article summary: MiniMax M2.1 is MiniMax’s December 23, 2025 open-weight coding-and-agent model update: where M2 emphasized lower cost and broad access, M2.1 is positioned for production-grade multilingual software work, full-stack appli. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
MiniMax M2.1 adalah pembaruan model open-weight dari perusahaan AI asal China, MiniMax, yang dirilis pada 23 Desember 2025. Jika M2 sebelumnya lebih banyak diposisikan sebagai model yang terjangkau dan mudah diakses, M2.1 diarahkan untuk pekerjaan yang lebih kompleks: rekayasa perangkat lunak multibahasa, pengembangan aplikasi full-stack, aplikasi mobile native, serta otomasi kantor berbasis agen. 3
4
Namun, ada satu catatan penting. Sebagian besar klaim performa terbaik dalam materi yang tersedia berasal dari evaluasi MiniMax sendiri. Hasil tersebut menunjukkan arah dan sasaran rilis ini, tetapi belum dapat dianggap sebagai peringkat independen yang definitif terhadap model-model proprietary.
Apa itu MiniMax M2.1?
M2.1 menggunakan arsitektur Mixture-of-Experts (MoE) dengan total 230 miliar parameter dan sekitar 10 miliar parameter aktif untuk setiap token. Desain sparse seperti ini ditujukan untuk membuat proses inferensi lebih efisien dibandingkan model dense berukuran total serupa yang mengaktifkan seluruh parameternya. 1
Gagasan utama MiniMax adalah bahwa model coding yang berguna di dunia kerja harus mampu menangani lebih dari sekadar potongan kode Python atau fungsi yang berdiri sendiri. Proyek perangkat lunak nyata biasanya mencakup beberapa bahasa pemrograman, repositori lama, platform mobile, antarmuka visual, instruksi proyek, penggunaan tool, dan rangkaian tugas yang saling bergantung.
M2.1 dirancang untuk mengikuti alur kerja yang lebih luas tersebut.
Perbedaan M2.1 dan M2
MiniMax menggambarkan M2.1 sebagai pergeseran fokus: dari penekanan M2 pada biaya serta aksesibilitas menuju eksekusi tugas kompleks yang lebih konsisten dan berorientasi produksi. Pembaruan ini terutama menyasar pemrograman lintas stack dan skenario agen maupun pekerjaan kantor sehari-hari. 4
Peningkatan yang diklaim mencakup:
- Dukungan bahasa yang lebih luas: Rust, Java, Go, C++, Kotlin, Objective-C, TypeScript, dan JavaScript, di samping Python serta bahasa lainnya.
3
7
- Pembuatan aplikasi full-stack: M2.1 ditujukan untuk membangun aplikasi lengkap yang dapat berfungsi, bukan hanya menghasilkan fragmen kode yang terpisah.
- Pengembangan mobile native: MiniMax secara khusus menyoroti peningkatan untuk Android dan iOS, dua area yang disebutnya masih menjadi kelemahan umum sistem AI.
- Eksekusi agen yang lebih mumpuni: Model ini diposisikan untuk alur kerja yang menggabungkan tool, berkas proyek, instruksi, memori, dan banyak langkah.
- Pekerjaan kantor dan dokumentasi: MiniMax mengklaim adanya peningkatan dalam penulisan terstruktur, dokumentasi teknis, pekerjaan berbasis data, serta alur kerja agen yang berkelanjutan.
Dengan kata lain, menurut deskripsi MiniMax, M2.1 bukan sekadar model coding yang lebih besar atau lebih murah. Model ini mencoba menjadi lebih andal ketika tugas mencakup persyaratan, antarmuka, pemanggilan tool, dan perangkat lunak yang benar-benar harus diserahkan—bukan hanya teks hasil generasi.
Bahasa pemrograman apa saja yang ditingkatkan?
MiniMax menyatakan bahwa M2.1 ditingkatkan secara sistematis untuk Rust, Java, Golang, C++, Kotlin, Objective-C, TypeScript, JavaScript, dan bahasa lainnya. Laporan pihak ketiga juga menyebut adanya keahlian khusus untuk Java, Go, Rust, C++, TypeScript, JavaScript, Kotlin, serta Python. 3
7
Fokus ini penting bagi organisasi yang memelihara stack teknologi campuran. Model yang sangat baik untuk tugas berbasis Python belum tentu sama bergunanya ketika harus bekerja di repositori produksi yang berisi layanan backend Java atau Go, kode sistem Rust atau C++, serta antarmuka web dan mobile berbasis TypeScript, JavaScript, Kotlin, atau Objective-C.
Bagaimana perbandingannya dengan model Claude?
MiniMax menyatakan bahwa M2.1 mengungguli Claude Sonnet 4.5 dalam skenario rekayasa perangkat lunak multibahasa dan mendekati Claude Opus 4.5. Perusahaan tersebut melaporkan skor 72,5% pada SWE-bench Multilingual. 3
16
Angka ini perlu dibaca secara hati-hati. Materi yang dikutip tidak membuktikan adanya papan peringkat netral yang direproduksi secara independen. Hasil perbandingan dapat dipengaruhi oleh prompt, kerangka kerja agen, versi model, serta prosedur evaluasi. Analisis pihak ketiga yang terbit kemudian menyebut M2.1 memang meningkat dibandingkan M2 pada SWE-bench Verified, tetapi masih berada di bawah sejumlah sistem proprietary kuat dalam perbandingan tersebut. 7
Kesimpulan yang paling aman adalah bahwa MiniMax menargetkan coding tingkat repositori dalam berbagai bahasa sebagai kekuatan utama M2.1, dan hasil yang dipublikasikan menunjukkan peningkatan substansial dari model sebelumnya. Hasil tersebut belum membuktikan bahwa M2.1 akan mengungguli Claude dalam setiap proyek atau alur kerja perangkat lunak.
Apa itu benchmark VIBE?
VIBE adalah singkatan dari Visual & Interactive Benchmark for Execution. MiniMax membuat benchmark ini untuk menguji apakah model dapat membangun aplikasi yang lengkap dan dapat digunakan dari awal hingga siap berjalan, bukan sekadar menghasilkan kode yang tampak masuk akal di jendela teks. 3
4
VIBE mencakup lima area:
- Web
- Simulasi
- Android
- iOS
- Backend
Evaluasinya berfokus pada aplikasi yang sudah dijalankan serta verifikasi interaktif dan visual. Pendekatan ini menguji hal-hal yang mungkin tidak sepenuhnya tertangkap benchmark coding tradisional: apakah aplikasi benar-benar berfungsi saat digunakan, apakah interaksinya berjalan sesuai harapan, dan apakah hasil antarmukanya memenuhi standar visual. 4
Hasil VIBE yang dilaporkan untuk M2.1
MiniMax melaporkan skor VIBE agregat sebesar 88,6, dengan 91,5 untuk VIBE-Web dan 89,7 untuk VIBE-Android. 4
8
Klaim ini menarik karena memperluas evaluasi dari perbaikan bug atau pelengkapan kode menuju pembuatan aplikasi secara utuh. Meski demikian, VIBE dibuat oleh MiniMax, sementara perbandingan lintas model yang dilaporkan menggunakan setup evaluasi MiniMax. Karena itu, skor tersebut sebaiknya diperlakukan sebagai bukti yang dilaporkan perusahaan mengenai kekuatan yang ingin ditonjolkan, bukan sebagai peringkat industri yang telah ditetapkan secara independen. 4
8
Kemampuan untuk pengembangan mobile, web, dan aplikasi
MiniMax memosisikan M2.1 sebagai model yang lebih kuat untuk pengembangan Android dan iOS native, bukan hanya aplikasi berbasis browser. Perusahaan ini juga menyatakan bahwa pemahaman model terhadap desain visual dan estetika telah ditingkatkan, termasuk untuk interaksi kompleks, simulasi ilmiah 3D, dan visualisasi berkualitas tinggi. 4
Kombinasi tersebut mendukung versi “vibe coding” yang lebih ambisius: pengguna menjelaskan aplikasi dalam bahasa alami, lalu agen menyusun produk yang dapat berjalan. Target MiniMax bukan sekadar membuat demo yang terlihat mengesankan, melainkan menghasilkan aplikasi yang dapat dipelihara dan diserahkan untuk pekerjaan berorientasi produksi. 4
Apakah target itu benar-benar tercapai tetap harus diuji di repositori nyata. Sistem build mobile, konflik dependensi, konvensi khusus platform, aksesibilitas, pemeriksaan keamanan, dan pemeliharaan jangka panjang tetap menjadi pemeriksaan praktis yang tidak dapat digantikan oleh skor benchmark.
Bagaimana “Interleaved Thinking” membantu alur kerja kompleks?
MiniMax menjelaskan Interleaved Thinking sebagai pendekatan untuk pemecahan masalah sistematis selama eksekusi tugas. Tujuannya adalah membantu model mempertahankan beberapa batasan secara bersamaan, termasuk instruksi sistem, permintaan pengguna, memori, skema tool, dan berkas instruksi proyek. 4
Kemampuan ini penting dalam pekerjaan berbasis agen karena hasil yang berhasil tidak hanya ditentukan oleh apakah kode dapat berjalan. Agen juga mungkin harus:
- Memeriksa proyek yang sudah ada.
- Mengikuti instruksi khusus repositori.
- Memilih dan menggunakan tool yang tepat.
- Melakukan perubahan terkoordinasi di banyak berkas.
- Membuat dokumentasi atau keluaran terstruktur.
- Memastikan hasil akhirnya memenuhi persyaratan awal.
MiniMax mengaitkan kemampuan tersebut dengan dokumentasi teknis, penulisan terstruktur, pengolahan data, dan otomasi kantor berkelanjutan. Semua itu masih merupakan klaim positioning, bukan bukti bahwa setiap alur kerja multi-langkah akan selalu selesai dengan andal. Namun, penjelasan tersebut menunjukkan mengapa M2.1 dipasarkan sebagai model coding sekaligus agen, bukan sekadar generator kode. 4
Cara mengakses dan menjalankan MiniMax M2.1
Ada dua jalur utama bagi pengembang:
- Akses API: M2.1 dapat digunakan melalui API yang di-host oleh MiniMax.
6
- Deployment mandiri: Bobot model tersedia secara publik melalui Hugging Face sehingga tim dapat mengelola lingkungan serving mereka sendiri.
Panduan deployment MiniMax merekomendasikan SGLang, sementara vLLM juga didukung dalam ekosistem deployment terkait. 14
1 Menjalankan model sendiri dapat memberi organisasi kendali lebih besar atas infrastruktur, pengelolaan data, serving model, integrasi, dan penskalaan dibandingkan pendekatan yang sepenuhnya bergantung pada API.
Namun, fleksibilitas tersebut tidak otomatis berarti total biaya lebih rendah. Deployment mandiri membutuhkan kapasitas GPU yang sesuai, waktu engineering, pemantauan, pemeliharaan, dan dukungan operasional. Hasil ekonominya bergantung pada tingkat pemakaian serta pilihan infrastruktur, bukan hanya jumlah parameter aktif model. 1
2
Kesimpulan praktis
Perubahan paling berarti dari M2 ke M2.1 terletak pada fokusnya. Rilis ini diarahkan untuk pekerjaan multibahasa, full-stack, dan berbasis agen, bukan hanya menjadikan aksesibilitas serta efisiensi inferensi sebagai cerita utama. Hasil yang dilaporkan—72,5% pada SWE-bench Multilingual dan 88,6 pada VIBE—mendukung positioning tersebut. Skor Android dan web juga menunjukkan upaya untuk mengukur pembuatan aplikasi lengkap, bukan hanya coding konvensional. 3
4
8
Bagi pengembang, daya tarik utamanya adalah dukungan bahasa yang lebih luas, bobot terbuka, akses API, serta fleksibilitas deployment melalui SGLang atau vLLM. Bagi perusahaan, nilai tambahnya adalah peluang menjalankan alur coding dan otomasi yang lebih kompleks dengan kontrol lebih besar atas serving serta pengelolaan data.
Catatannya sama penting: perbandingan terkuat dan hasil VIBE terbaru terutama berasal dari laporan MiniMax. Tim yang ingin memakai M2.1 sebaiknya mengujinya pada repositori internal, proses build mobile, kebutuhan dokumentasi, kontrol keamanan, dan tugas otomasi mereka sendiri sebelum menganggap klaim benchmark sebagai bukti kesiapan produksi.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "MiniMax M2.1: Apa yang Berubah, Seberapa Andal, dan Cara Menjalankannya"?
MiniMax M2.1 adalah model open weight untuk coding dan agen AI dengan 230 miliar parameter total, tetapi hanya sekitar 10 miliar parameter aktif per token.
Apa poin penting yang harus divalidasi terlebih dahulu?
MiniMax M2.1 adalah model open weight untuk coding dan agen AI dengan 230 miliar parameter total, tetapi hanya sekitar 10 miliar parameter aktif per token. Model ini meningkatkan dukungan untuk Rust, Java, Go, C++, Kotlin, Objective C, TypeScript, JavaScript, dan Python, sekaligus menyasar pengembangan aplikasi full stack serta mobile native.
Apa yang harus saya lakukan selanjutnya dalam latihan?
MiniMax melaporkan skor 72,5% pada SWE bench Multilingual dan skor VIBE 88,6, termasuk 91,5 untuk VIBE Web serta 89,7 untuk VIBE Android.
Sumber
jarvislabs.aiDeploying MiniMax M2.1 with vLLM: Complete Guide for Agentic ...
x.comMiniMax (official) on X: "MiniMax M2.1 is officially live🚀 Built for real-world coding and AI-native organizations — from vibe builds to serious workflows. A SOTA 10B-activated OSS coding & agent model, scoring 72.5% on SWE-multilingual and 88.6% on our newly open-sourced VIBE-bench, exceeding lead