MiniMax - Alibaba Cloud Model Studio

MiniMax-M2.1 將於2026年7月9日下架。推薦轉用：qwen3.7-plus、qwen3.7-max、qwen3.6-flash。

本文檔描述的功能僅在華北2（北京）地區可用，如需使用模型，需從華北2（北京）地區擷取API Key。

快速開始

API 使用前提：已擷取API Key並完成配置API Key到環境變數。如果通過SDK調用，需要安裝SDK。

OpenAI相容
DashScope
Anthropic相容

Python
Node.js
HTTP

範例程式碼

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下為華北2（北京）地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="MiniMax-M2.5",
    messages=[{"role": "user", "content": "你是誰"}],
    stream=True,
)

reasoning_content = ""  # 完整思考過程
answer_content = ""     # 完整回複
is_answering = False    # 是否進入回複階段

print("\n" + "=" * 20 + "思考過程" + "=" * 20 + "\n")

for chunk in completion:
    if chunk.choices:
        delta = chunk.choices[0].delta
        # 只收集思考內容
        if hasattr(delta, "reasoning_content") and delta.reasoning_content is not None:
            if not is_answering:
                print(delta.reasoning_content, end="", flush=True)
            reasoning_content += delta.reasoning_content
        # 收到content，開始進行回複
        if hasattr(delta, "content") and delta.content:
            if not is_answering:
                print("\n" + "=" * 20 + "完整回複" + "=" * 20 + "\n")
                is_answering = True
            print(delta.content, end="", flush=True)
            answer_content += delta.content

返回結果

====================思考過程====================

使用者用中文問"你是誰"，意思是"你是誰？"或"Who are you?"

我應該用中文回複，介紹自己是一個AI助手。
====================完整回複====================

你好！我是 MiniMax-M2.5，一個AI助手。我可以協助你回答問題、提供資訊、進行對話等。有什麼我可以幫你的嗎？

範例程式碼

import OpenAI from "openai";
import process from 'process';

// 初始化OpenAI用戶端
const openai = new OpenAI({
    // 如果沒有配置環境變數，請用阿里雲百鍊API Key替換：apiKey: "sk-xxx"
    apiKey: process.env.DASHSCOPE_API_KEY,
    // 以下為華北2（北京）地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
    baseURL: 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1'
});

let reasoningContent = ''; // 完整思考過程
let answerContent = ''; // 完整回複
let isAnswering = false; // 是否進入回複階段

async function main() {
    const messages = [{ role: 'user', content: '你是誰' }];

    const stream = await openai.chat.completions.create({
        model: 'MiniMax-M2.5',
        messages,
        stream: true,
    });

    console.log('\n' + '='.repeat(20) + '思考過程' + '='.repeat(20) + '\n');

    for await (const chunk of stream) {
        if (chunk.choices?.length) {
            const delta = chunk.choices[0].delta;
            // 只收集思考內容
            if (delta.reasoning_content !== undefined && delta.reasoning_content !== null) {
                if (!isAnswering) {
                    process.stdout.write(delta.reasoning_content);
                }
                reasoningContent += delta.reasoning_content;
            }

            // 收到content，開始進行回複
            if (delta.content !== undefined && delta.content) {
                if (!isAnswering) {
                    console.log('\n' + '='.repeat(20) + '完整回複' + '='.repeat(20) + '\n');
                    isAnswering = true;
                }
                process.stdout.write(delta.content);
                answerContent += delta.content;
            }
        }
    }
}

main();

返回結果

====================思考過程====================

使用者用中文問"你是誰"，意思是"你是誰？"或"Who are you?"

我應該用中文回複，介紹自己是一個AI助手。
====================完整回複====================

你好！我是 MiniMax-M2.5，一個AI助手。我可以協助你回答問題、提供資訊、進行對話等。有什麼我可以幫你的嗎？

範例程式碼

curl

# 以下為華北2（北京）地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
curl -X POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "MiniMax-M2.5",
    "messages": [
        {
            "role": "user",
            "content": "你是誰"
        }
    ]
}'

返回結果

{
    "choices": [
        {
            "message": {
                "content": "你好！我是 MiniMax-M2.5，一個由 MiniMax 公司開發的 AI 助手。我可以協助你回答問題、提供資訊、進行對話，以及完成各種文字相關的任務。有什麼我可以協助你的嗎？",
                "reasoning_content": "使用者用中文問\"你是誰\"，意思是\"你是誰？\"或\"Who are you?\"\n\n我應該用中文回複，介紹自己。",
                "role": "assistant"
            },
            "finish_reason": "stop",
            "index": 0,
            "logprobs": null
        }
    ],
    "object": "chat.completion",
    "usage": {
        "prompt_tokens": 40,
        "completion_tokens": 72,
        "total_tokens": 112,
        "completion_tokens_details": {
            "reasoning_tokens": 26
        },
        "prompt_tokens_details": {
            "cached_tokens": 0
        }
    },
    "created": 1771944590,
    "system_fingerprint": null,
    "model": "MiniMax-M2.5",
    "id": "chatcmpl-b1277a9c-52da-9de7-988a-d5c063d83xxx"
}

Python
Java
HTTP

範例程式碼

import os
import dashscope
from dashscope import Generation
# 以下為華北2（北京）地區的配置，調用時請將 {WorkspaceId} 替換為真實的業務空間ID，各地區的配置不同。
dashscope.base_http_api_url = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1"

# 初始化請求參數
messages = [{"role": "user", "content": "你是誰？"}]

completion = Generation.call(
    # 如果沒有配置環境變數，請用阿里雲百鍊API Key替換：api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="MiniMax-M2.5",
    messages=messages,
    result_format="message",  # 設定結果格式為 message
    stream=True,              # 開啟流式輸出
    incremental_output=True,  # 開啟增量輸出
)

reasoning_content = ""  # 完整思考過程
answer_content = ""     # 完整回複
is_answering = False    # 是否進入回複階段

print("\n" + "=" * 20 + "思考過程" + "=" * 20 + "\n")

for chunk in completion:
    message = chunk.output.choices[0].message

    # 只收集思考內容
    if message.reasoning_content:
        if not is_answering:
            print(message.reasoning_content, end="", flush=True)
        reasoning_content += message.reasoning_content

    # 收到 content，開始進行回複
    if message.content:
        if not is_answering:
            print("\n" + "=" * 20 + "完整回複" + "=" * 20 + "\n")
            is_answering = True
        print(message.content, end="", flush=True)
        answer_content += message.content

# 迴圈結束後，reasoning_content 和 answer_content 變數中包含了完整的內容
# 您可以在這雷根據需要進行後續處理
# print(f"\n\n完整思考過程:\n{reasoning_content}")
# print(f"\n完整回複:\n{answer_content}")

返回結果

====================思考過程====================

使用者用中文問"你是誰"，意思是"你是誰？"或"Who are you?"

我應該用中文回複，介紹自己是一個AI助手。
====================完整回複====================

你好！我是 MiniMax-M2.5，一個AI助手。我可以協助你回答問題、提供資訊、進行對話等。有什麼我可以幫你的嗎？

範例程式碼

// dashscope SDK的版本 >= 2.19.4
import com.alibaba.dashscope.aigc.generation.Generation;
import com.alibaba.dashscope.aigc.generation.GenerationParam;
import com.alibaba.dashscope.aigc.generation.GenerationResult;
import com.alibaba.dashscope.common.Message;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.utils.Constants;
import io.reactivex.Flowable;
import java.lang.System;
import java.util.Arrays;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

public class Main {
    static {
        // 以下為華北2（北京）地區的配置，調用時請將 {WorkspaceId} 替換為真實的業務空間ID，各地區的配置不同。
        Constants.baseHttpApiUrl = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1";
    }
    private static final Logger logger = LoggerFactory.getLogger(Main.class);
    private static StringBuilder reasoningContent = new StringBuilder();
    private static StringBuilder finalContent = new StringBuilder();
    private static boolean isFirstPrint = true;

    private static void handleGenerationResult(GenerationResult message) {
        String reasoning = message.getOutput().getChoices().get(0).getMessage().getReasoningContent();
        String content = message.getOutput().getChoices().get(0).getMessage().getContent();

        if (reasoning!= null&&!reasoning.isEmpty()) {
            reasoningContent.append(reasoning);
            if (isFirstPrint) {
                System.out.println("====================思考過程====================");
                isFirstPrint = false;
            }
            System.out.print(reasoning);
        }

        if (content!= null&&!content.isEmpty()) {
            finalContent.append(content);
            if (!isFirstPrint) {
                System.out.println("\n====================完整回複====================");
                isFirstPrint = true;
            }
            System.out.print(content);
        }
    }
    private static GenerationParam buildGenerationParam(Message userMsg) {
        return GenerationParam.builder()
                // 若沒有配置環境變數，請用阿里雲百鍊API Key將下行替換為：.apiKey("sk-xxx")
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .model("MiniMax-M2.5")
                .incrementalOutput(true)
                .resultFormat("message")
                .messages(Arrays.asList(userMsg))
                .build();
    }
    public static void streamCallWithMessage(Generation gen, Message userMsg)
            throws NoApiKeyException, ApiException, InputRequiredException {
        GenerationParam param = buildGenerationParam(userMsg);
        Flowable<GenerationResult> result = gen.streamCall(param);
        result.blockingForEach(message -> handleGenerationResult(message));
    }

    public static void main(String[] args) {
        try {
            Generation gen = new Generation();
            Message userMsg = Message.builder().role(Role.USER.getValue()).content("你是誰？").build();
            streamCallWithMessage(gen, userMsg);
            // 列印最終結果
            // if (reasoningContent.length() > 0) {
            //     System.out.println("\n====================完整回複====================");
            //     System.out.println(finalContent.toString());
            // }
        } catch (ApiException | NoApiKeyException | InputRequiredException e) {
            logger.error("An exception occurred: {}", e.getMessage());
        }
        System.exit(0);
    }
}

返回結果

====================思考過程====================

使用者用中文問"你是誰"，意思是"你是誰？"或"Who are you?"

我應該用中文回複，介紹自己是一個AI助手。
====================完整回複====================

你好！我是 MiniMax-M2.5，一個AI助手。我可以協助你回答問題、提供資訊、進行對話等。有什麼我可以幫你的嗎？

範例程式碼

curl

# 以下為華北2（北京）地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
curl -X POST "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/text-generation/generation" \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "MiniMax-M2.5",
    "input":{
        "messages":[
            {
                "role": "user",
                "content": "你是誰？"
            }
        ]
    },
    "parameters": {
        "result_format": "message"
    }
}'

返回結果

{
    "output": {
        "choices": [
            {
                "finish_reason": "stop",
                "message": {
                    "content": "你好！我是 MiniMax-M2.5，由 MiniMax 公司開發的 AI 助手。我可以協助你回答問題、提供資訊、進行對話等。有什麼我可以幫你的嗎？",
                    "reasoning_content": "使用者用中文問\"你是誰？\"，意思是\"Who are you?\"\n\n我應該用中文回答，介紹自己。我應該說明我是MiniMax-M2.5，由MiniMax公司開發的AI助手。",
                    "role": "assistant"
                }
            }
        ]
    },
    "usage": {
        "input_tokens": 41,
        "output_tokens": 79,
        "output_tokens_details": {
            "reasoning_tokens": 39
        },
        "prompt_tokens_details": {
            "cached_tokens": 0
        },
        "total_tokens": 120
    },
    "request_id": "1bbd770e-564a-4601-83fc-3bf639423xxx"
}

Python
HTTP

範例程式碼

import anthropic
import os

client = anthropic.Anthropic(
    # 如果沒有配置環境變數，請用阿里雲百鍊API Key替換：api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 調用時請將 {WorkspaceId} 替換為真實的Workspace ID。
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/apps/anthropic",
)

message = client.messages.create(
    model="MiniMax-M2.5",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "你是誰"}
    ],
    stream=True,
)

for event in message:
    if event.type == "content_block_delta":
        if hasattr(event.delta, "thinking"):
            print(event.delta.thinking, end="", flush=True)
        if hasattr(event.delta, "text"):
            print(event.delta.text, end="", flush=True)

範例程式碼

curl

# 以下為新加坡地區的URL。請將 {WorkspaceId} 替換為您的百鍊業務空間ID，各地區的URL不同。
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/apps/anthropic/v1/messages \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-H "anthropic-version: 2023-06-01" \
-d '{
    "model": "MiniMax-M2.5",
    "max_tokens": 1024,
    "messages": [
        {
            "role": "user",
            "content": "你是誰"
        }
    ]
}'

其它功能

模型	多輪對話	深度思考	Function Calling	結構化輸出	連網搜尋	首碼續寫	上下文緩衝
MiniMax-M2.5	支援	支援	支援	不支援	支援	不支援	支援僅支援隱式緩衝

參數預設值

模型	temperature	top_p	presence_penalty
MiniMax-M2.5	1.0	0.95	0.0

模型列表與計費

MiniMax-M2.5 模型擅長編程、辦公、文本摘要等任務，且輸出速度快，推薦使用。模型上下文長度與價格資訊請參見百鍊控制台。按照模型的輸入與輸出 Token 數量計費。

錯誤碼

如果模型調用失敗並返回報錯資訊，請參見錯誤碼進行解決。

​快速開始

範例程式碼

返回結果

​其它功能

​參數預設值

​模型列表與計費

​錯誤碼

快速開始

其它功能

參數預設值

模型列表與計費

錯誤碼