MiniMax H3 Image Highspeed
MiniMax H3-Imageの高速版画像生成モデル。テキストからの画像生成、参考画像に基づく生成、画像編集に対応する。標準版と同じAPIパラメーターおよび制限を使用する。公式発表では、Highspeedモードは主要な代替製品の3〜4倍の速度としているが、実際の処理時間を保証する数値ではない。(platform.minimax.io) テキスト入力、またはテキストと1〜16枚の参考画像を使って画…
モデルディレクトリ
新しいモデルを公開日順に見つけられます。
MiniMax H3-Imageの高速版画像生成モデル。テキストからの画像生成、参考画像に基づく生成、画像編集に対応する。標準版と同じAPIパラメーターおよび制限を使用する。公式発表では、Highspeedモードは主要な代替製品の3〜4倍の速度としているが、実際の処理時間を保証する数値ではない。(platform.minimax.io) テキスト入力、またはテキストと1〜16枚の参考画像を使って画…
MiniMax H3を基盤とする、重みが公開された静止画生成・編集モデル。テキストからの画像生成、参照画像に基づく生成、画像編集に対応する。コンセプトアート、商品ビジュアル、イラスト制作、既存画像の加工などに利用できる。(minimax.io) 画像編集では1~16枚の参照画像を使用でき、1リクエストで1~10枚を生成できる。出力形式はJPEG、PNG、WebP。(platform.minimax…
MiniMax M3.1 Flashは、エージェント型タスク、コーディング、コンピューター操作、サイバーセキュリティを対象とする、高効率なマルチモーダルモデルです。公開日は2026年10月19日です。匿名モデル「Space Bunny」は本モデルの初期版だったとMiniMaxは説明しています。 (minimax.io) テキスト・画像・動画を入力し、テキストを出力します。コンテキストウィンドウは最…
MiniMax Music 3.0は、制作向けのオープンウェイト音楽生成モデルです。音楽のアイデアや歌詞を基に、作曲・編曲・歌唱・音声制作を一度の生成で行い、最長5分の楽曲を作成します。公式発表日は2026年8月13日です。(minimax.io) 歌詞と音楽の説明から、ボーカル入りの楽曲やインストゥルメンタルを生成できます。歌詞にセクションタグを付け、曲の構成を指定できます。APIには歌詞の自動…
MiniMax H3は、テキスト・画像・動画・音声を組み合わせた文脈を理解し、音声付き動画を生成する汎用マルチモーダル生成モデル。2026年7月31日に発表され、同年8月3日にモデルの重みが公開された。(minimax.io) テキストからの動画生成、画像からの動画生成、始点・終点フレームを指定した生成、画像・動画・音声を参照した生成に対応。複数の素材と指示を組み合わせた生成・編集を想定している。…
MiniMaxの音楽生成モデル。創作イメージのテキストと任意の歌詞から、作曲、編曲、歌唱、音声制作を一度に行い、最長5分の楽曲を生成する。オープンウェイト版も公開されている。 (minimax.io) ジャンル、テンポ、楽器、感情、歌唱表現などを記述して楽曲の方向性を指定できる。 歌詞中の [verse]、[chorus]、[bridge] などのタグで楽曲の構成を指定できる。 歌唱入り楽曲やイン…
MiniMax M3は、コーディングとエージェント業務を重視した、ネイティブマルチモーダルの汎用モデルです。公開日:2026年6月1日。公式発表によると、画像・動画入力に対応し、MiniMax Sparse Attention(MSA)によって最大100万トークンのコンテキストを扱えます。(minimax.io) バグ修正、フロントエンド・バックエンド開発、性能最適化などのソフトウェア開発。 検索…
MiniMax M2.7シリーズの高速版言語モデル。公式発表によると、通常版と同じ結果を、より高速に提供するAPI版です。シリーズの公開日は 2026年3月18日 です。(platform.minimax.io) ソフトウェア開発、コード生成・修正、ログ分析、バグ調査、コードセキュリティ、機械学習の作業支援。 エージェントチーム、複雑なスキル、動的なツール検索を利用する多段階のタスク。 Word、…
MiniMax-M2.7は、ソフトウェア開発や実務を支援するエージェント向け言語モデルです。2026年3月18日に発表されました。MiniMaxは、モデル自身の開発・改善プロセスに深く参加した初のモデルと位置づけています。(minimax.io) 開発支援:コード生成、リファクタリング、ログ分析、障害原因の調査、コードセキュリティ、機械学習、プロジェクトの一貫した開発。(minimax.io) エ…
MiniMax Music 2.5+は、楽曲生成を中心とするMiniMax Music 2.5に、ボーカルのないインストゥルメンタル音楽の生成機能を加えた音楽生成モデルです。公式発表日は2026年3月4日です。 (minimax.cn) スタイルを文章で指定し、歌詞やボーカルを必要としない音楽を生成できます。 (solutions.minimax.cn) クラシック管弦、ミニマリズム、電子音楽、ア…
M2.5-Lightningは、MiniMax M2.5の高速版で、コーディング、検索・ツール利用、オフィス業務など、実世界の生産性向上とAIエージェント向けに設計されたモデルです。公式発表によれば、通常版M2.5と能力は同じで、速度が異なります。公称スループットは約100トークン/秒です。 (minimax.io) 複数のプログラミング言語を使った設計、実装、コードレビュー、テストや、フルスタッ…
MiniMax-M2.5は、コーディング、ツール利用、検索、オフィス業務など、実世界の生産性向上とエージェント用途を重視した言語モデルです。数十万の複雑な実環境を用いた強化学習によって、タスクの分解と効率的な推論を強化したと発表されています。公開日は2026年2月12日です。(minimax.io) 複数のプログラミング言語に対応し、設計、実装、コードレビュー、テストなどの開発作業を支援します。…
MiniMax Speech 2.8は、テキストから自然な音声を生成する音声モデルです。公式発表日は 2026年1月23日 です。(minimax.io) 笑い、息継ぎ、ため息などのサウンドタグや言いよどみを利用し、会話らしい音声を生成します。 公式発表では、約10秒の音声サンプルによる声のクローン作成、背景ノイズや合成音のひずみの低減、中国語と日本語の間の発音改善を紹介しています。(minima…
MiniMax-M2.1は、多言語プログラミングや複雑な実務タスクに重点を置いた、エージェント向けのテキスト生成モデルです。公開日は2025年12月23日です。MiniMaxによると、MoE構造を採用し、総パラメータ数は約2,300億、推論時の活性化パラメータ数は約100億です。(minimax.io) Rust、Java、Go、C++、Kotlin、Objective-C、TypeScript、…
VTP-Large-f16d64は、画像生成に利用する潜在表現の学習を目的とした、研究向けの視覚トークナイザーです。MiniMaxと華中科技大学の研究者によるVTPプロジェクトのLarge版で、画像・テキストの対照学習、自己教師あり学習、画像再構成を組み合わせています。公式モデルカードでは約7億パラメータと表示されています。(github.com) 画像を潜在表現に変換し、デコードして画像を再構成…
VTP-Base-f16d64は、画像生成向けの視覚トークナイザー事前学習フレームワーク「VTP」のBaseモデルです。画像とテキストの対照学習、自己教師あり学習、画像再構成を組み合わせ、生成に役立つ視覚表現を学習します。モデルカード上の規模は約3億パラメータです。(github.com) 画像特徴の抽出、画像とテキストの特徴を用いたゼロショット分類、画像の潜在表現への符号化と再構成に利用できます…
VTP-Small-f16d64は、MiniMaxと華中科技大学の研究者による、画像生成向け視覚トークナイザーのSmall版です。画像から視覚的特徴を抽出し、生成モデルが利用できる表現を提供します。公開モデルの規模は約0.2Bパラメータです。(github.com) 画像・テキストの対照学習、自己教師あり学習、画像再構成を組み合わせて事前学習されています。(arxiv.org) 画像特徴抽出、画像…