MiniMax 是上海一家做大模型的公司，产品端最为人熟知的是海螺 AI。它同时把自家一部分模型的权重公开放在了 GitHub 和 Hugging Face 上，任何人都能下载、在自己的机器上跑，也能直接调用官方 API。这些模型覆盖三类活：写代码和跑智能体（M 系列）、生成带声音的视频（H3）、生成整首带人声的歌（Music 3）。普通用户想体验，打开海螺 AI 或官方 Agent 就能用；开发者想接进自己的产品，要先看清楚一件事——MiniMax 这几个模型的许可证条款各不相同，有的能直接商用，有的必须先拿书面授权。
模型家族与各自的分工
MiniMax 公开权重的模型可以按用途分成三条线。文本与多模态这条线从 2025 年初的 MiniMax-Text-01 起步，经过 M1、M2，现在主力是 M2.7 和 M3；视频这条线只有一个 H3；音乐这条线是 Music 3。
按 Hugging Face 上的发布时间排，M2 在 2025 年 10 月开放，M2.5 在 2026 年 2 月，M2.7 在 4 月，M3 在 6 月，H3 在 7 月底，Music 3 在 8 月初。更新节奏大约两个月一次，旧版本并没有下架，仍可下载。
图：MiniMax 公开权重的模型按用途分为三条线
M3：百万上下文的多模态主力
M3 的参数量按 Hugging Face 权重索引统计为 4270 亿，官方 README 写作约 428B，激活参数约 230 亿，属于混合专家（MoE，Mixture of Experts）结构——每次推理只唤醒其中一小部分专家网络，算力开销远小于参数总量给人的印象。配置文件里的最大位置编码是 1048576，也就是官方宣传的 100 万 token 上下文。
和前代相比，M3 最大的变化是注意力机制。它用的是 MiniMax 自研的稀疏注意力算子 MSA（MiniMax Sparse Attention，已单独开源）。官方给出的对比数据是：在 100 万 token 上下文下，M3 相对 M2 的预填充速度提升 9 倍、解码速度提升 15 倍，单 token 计算量降到二十分之一。长文档分析、整仓代码理解这类任务的成本因此下降了一个量级。
M3 是原生多模态模型，文本、图像、视频从预训练第一步就混合训练，而不是在语言模型上外挂视觉编码器。API 调用时有一个 thinking 参数控制推理行为，三个取值分别是 enabled（始终深度推理）、adaptive（模型自己判断要不要推理）、disabled（关闭推理换取延迟和吞吐）。官方推荐的采样参数是 temperature=1.0、top_p=0.95。
本地部署走的是标准流程：
hf download MiniMaxAI/MiniMax-M3 --local-dir MiniMax-M3官方推荐的推理框架有 SGLang、vLLM、Transformers、KTransformers 和 unsloth，各自都有对应的部署文档。另外还有一个 MXFP8 量化版本 MiniMaxAI/MiniMax-M3-MXFP8，显存占用大致砍半。不过即便是量化版，4270 亿参数按 8 位存放也要 400GB 量级的显存，这不是个人设备能承接的规模——M3 的实际使用路径是 API 和在线产品，本地部署属于机构行为。
M2 系列：小激活量换来的智能体效率
M2 系列走的是另一条路：总参数 2300 亿、激活参数只有 100 亿。激活量压到 100 亿这个数字是有意为之，智能体工作流是”规划—执行—验证”的密集循环，每一轮都要等模型返回，激活参数小意味着单轮响应快、批量采样成本低。
M2.7 的配置是 62 层、隐藏维度 3072、256 个专家每次选 8 个，上下文 204800 token。M2.5 的官方基准成绩包括 SWE-Bench Verified 80.2%、Multi-SWE-Bench 51.3%、BrowseComp 76.3%（启用上下文管理，即 token 用量超过上下文窗口 30% 时按规则丢弃部分历史）。这几个数字对应的是真实代码仓库的问题修复和多轮网页检索能力，而不是选择题式的评测。
对大多数需要自部署的团队来说，M2 系列比 M3 现实得多：2300 亿总参数量化后能压进单机八卡，而 M3 不能。
H3：视频和音频一起生成
H3 是一个全模态生成系统，输入可以是文本、图像、视频、音频的任意组合，输出是带原生立体声的视频。核心的 H3-Omni-Transformer 是 331 亿参数的稠密单流 Transformer，其中约 130 亿参数位于 AdaLN 相关分支——这部分的调制输出可以预先算好并缓存，纯推理部署时不必加载。官方发布的是完整权重，方便社区做微调。
输出规格是明确写在文档里的：时长 4 到 15 秒，帧率 24 FPS，音频 32 kHz 立体声，画面短边默认 768 像素，2K 需要走 H3-Regenerate-2K 模块二次生成。对白语言稳定支持 11 种，包括中文、英语、日语、韩语、法语、德语、意大利语、西班牙语、葡萄牙语、俄语、阿拉伯语。
模型有两个输入变体。H3-Base-FL2VA 是首尾帧模式，不给图就是文生视频，给一张图是首帧或尾帧生成，给两张图是首尾帧补全中间。H3-Base-Ref2VA 是全参考模式，最多接收 9 张图、3 段视频、3 段音频，视频和音频单段 2 到 15 秒、总时长不超过 15 秒，所有文件加起来不超过 12 个。
这里有一个开源程度的坑需要讲清楚：完整的 H3 系统由三个模块组成，负责理解和改写多模态输入的 H3-Context-IR 依赖多个托管模型与服务，并未包含在这次开源发布中，官方只提供 API 复现其行为。官方文档自己也承认，H3-Context-IR 对最终输出质量至关重要。纯本地部署 H3-Base 只能验证 768p 的基础效果；想复现官方那种 2K 质量，得把本地 SGLang 服务和官方的 Context-IR、Regenerate-2K 两个 API 拼起来用。SGLang 的部署示例用的是 4 卡配置。
Music 3：一次生成一首完整的歌
Music 3 面向的是完整歌曲生成，最长 5 分钟，输出 32 kHz、16 位立体声 WAV。架构上它把 80 亿参数的全局大模型（负责长程音乐结构）、6 亿参数的局部大模型（负责帧级声学细节）和基于 Flow Matching、Flow-VAE 的连续隐状态合成系统组合在一起。推理脚本要求两张 CUDA 显卡，GPU 0 跑全局模型和八码本 RVQ 自回归生成，GPU 1 跑 Flow Matching 与波形解码。
输入分两部分：歌词，可以带 [Intro]、[Verse]、[Pre-Chorus]、[Chorus]、[Bridge]、[Instrumental]、[Solo]、[Outro] 这类段落标签；音乐描述，定义风格、情绪走向、演唱方式、配器和制作质感。官方建议用结构化描述，分成全局元数据（曲风、BPM、调式、情绪、收听场景）、人声细节（性别、音色、演唱风格、和声）、编曲（主次乐器、分段乐器演进、律动、贝斯、打击乐、空间效果）三段写。仓库里自带一个 music-caption-rewriter 技能，负责把一句话描述扩写成这种结构化描述：
npx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewriter两卡的硬件门槛是这批模型里最低的，也是个人开发者最有可能在自有设备上跑通的一个。
许可证分成三档，差别很大
MiniMax 的开源策略这两年明显在收紧，同一个组织下的模型，商用条款完全不是一回事。按宽松到严格排，大致是三档。
第一档，改良版 MIT。M2、M2.1、M2.5 属于这一档，Hugging Face 上标注为 modified-mit。M2.1 的许可证文本就是标准 MIT 协议，末尾多加一句：如果用于任何商业产品或服务，需要在该产品或服务的用户界面上显著展示”MiniMax M2.1″字样。除此之外没有别的限制，商用不需要申请。
第二档，非商用许可。M2.7 采用的是”非商用许可”，正文写明基于 MIT 式条款授予非商业用途的权利，任何商业使用都必须事先取得 MiniMax 的书面授权（发邮件到 [email protected]，主题写”M2.7 licensing”）。协议同时明确列出了免费许可的范围：个人用途，包括自部署用于编码、开发应用与智能体、工具集成、研究实验；非营利组织、学术机构与研究人员的非商业研究或教育用途；以及为上述用途所做的修改。
第三档，MiniMax 社区许可。M3 和 Music 3 走这一档。M3 的条款是：非商业用途免费；一旦商用，要在相关网站、用户界面、博客、关于页或产品文档中显著展示”Built with MiniMax M3″，并且——年收入超过 2000 万美元（约合人民币 1.4 亿元）的产品或服务需要事先取得书面授权，未超过这条线的只需向 [email protected] 发一次性告知邮件。这个设计对中小团队相当友好，代价由营收上规模的一方承担。
H3 的许可证单独成篇，是一份完整的社区许可协议，许可日期写明 2026 年 8 月 2 日。它的特殊之处在于有地域限制：协议适用范围是全球，但明确排除欧盟、英国、韩国和美国。商业条款与 M3 类似，年收入超 2000 万美元需事先书面授权，商用产品界面需显著展示”MiniMax H3″。协议还附了可接受使用政策，用户提交的文本、图像、视频以及增强后的提示词都要过自动审核。
做个对照：2025 年 6 月开源的 MiniMax-M1 用的是 Apache-2.0，那是一份没有附加商用条件的标准开源协议。一年多之后，最新、最强的 M3 和 H3 都已经带上了收入门槛和展示义务。团队要把 MiniMax 的模型接进商业产品，M2.1 这类改良 MIT 的版本是唯一不需要和对方邮件往来的选择。
图：三档许可证的商用条件对照，依据官方 LICENSE 文本整理
三条上手路径
路径一，直接用在线产品。不写代码的用户走这条。视频生成在国内是 hailuoai.com，海外是 hailuoai.video；桌面端工作台国内是 hub.minimaxi.com、海外是 hub.minimax.io；对话与智能体在 agent.minimax.io。海螺 AI 的功能范围可以先看站内的 海螺 AI 工具页。
路径二，调 API。国内开发者用 platform.minimaxi.com（现已跳转至 platform.minimax.cn），海外用 platform.minimax.io。官方中国站按量计费的价格如下：M3 在 512k token 以内是输入 2.10 元、输出 8.40 元、缓存读取 0.42 元（每百万 token，官方标注为永久五折），超过 512k 价格翻倍；M2.7 是输入 2.1 元、输出 8.4 元；高速版 M2.7-highspeed 翻倍到 4.2 元和 16.8 元。视频按秒计价，H3 的 768P 是每秒 0.5 元、2K 是每秒 0.8 元，生成一条 15 秒的 2K 视频约 12 元。换算成美元，M3 的输入价格大约是每百万 token 0.3 美元，属于同档模型里偏低的水平。
图：MiniMax 开放平台中国站文本模型按量计费价格
路径三，本地部署。权重在 Hugging Face 的 MiniMaxAI 组织下。国内网络访问 GitHub 和 Hugging Face 都不太稳定，MiniMax 在魔搭社区有官方组织镜像（modelscope.cn/organization/minimax），走这个入口下载更省事。硬件账要先算清楚：M3 的 4270 亿参数即使用 MXFP8 量化也要 400GB 级显存，H3 官方部署示例是 4 卡，Music 3 需要两张 CUDA 卡，M2 系列量化后单机八卡可行。
还有一个额外入口值得提一句：MiniMax 开源了自己的终端编码智能体 minimax-code（命令名 mcode），MIT 协议。安装和登录：
# macOS / Linux / WSL
curl -fsSL https://filecdn.minimax.chat/public/install.sh | bash
# 国内账号登录
mcode login
# 海外账号登录
mcode login --region global它也支持 BYOK（自带密钥），用 mcode provider add 接任意 OpenAI 兼容接口的模型，不登录 MiniMax 账号也能用。
选型建议
需求是长文档分析、整仓代码理解、多模态输入这类吃上下文的场景，M3 是这批模型里唯一的选择，但只能走 API。需求是代码修复和智能体流程，且必须私有化部署，M2.5 或 M2.7 更稳妥，其中 M2.5 的许可证宽松一档，商用只需界面标注。个人开发者想在自己机器上跑通一个 MiniMax 模型，Music 3 的两卡门槛最现实。
横向看国内同类，M2 系列在编码与智能体方向的定位与 Kimi K2、Qwen3 高度重叠，这三家的权重都公开，选型时把许可证条款和自己的商用计划一起摆上桌比较合适——Qwen3 用的是 Apache-2.0，商用无附加义务，这一点上比 MiniMax 的新模型宽松。海外阵营的对照可以看 Mistral 开源模型，同样采用分层许可的做法。各型号的参数、许可与入口整理在站内的 MiniMax 开源模型页，版本更新会同步。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
