AionRouter

MiniMax-H3是一款通用的全模态生成模型，支持对文本、图像、视频、声音组成的多模态上下文的统一理解能力、能够输出具备原生双声道的音视频，最高可支持 15s 2K 分辨率。

MiniMax-M2.1于2025年12月发布，采用混合专家架构（MoE），总参数量约230B，激活参数约10B。其核心定位是破解主流AI编程工具在多语言适配和复杂任务执行上的短板，系统性强化了Rust、Java、Golang、C++、Kotlin、TypeScript等语言的编程能力，覆盖从后端系统到移动端原生开发的完整链路。M2.1引入了设计美学感知能力，可生成兼具功能性与视觉表现力的交互界面和3D场景，使“vibe coding”成为可交付的生产实践。相比M2，M2.1的回复和思维链更加简洁，响应速度显著提升，Token消耗明显下降。在Agent场景中，M2.1在Claude Code、Cline等主流编程工具框架下展现出稳定的泛化能力。

MiniMax-M2.5于2026年2月发布，定位为“原生Agent生产级模型”，目标是通过编程、工具调用及推理效率上的突破，解决AI Agent规模化落地的成本与性能瓶颈。M2.5在SWE-Bench Verified上得分80.2%，Multi-SWE-Bench得分51.3%，性能较M2.1显著跃升。其突出特点是展现出“原生Spec能力”，即编码前主动拆解架构和规划功能，更接近真实架构师的工作模式。推理速度方面，M2.5完成SWE-Bench评估比M2.1快37%，闪电版支持100 TPS以上输出。成本是M2.5的核心卖点：以100 tokens/秒持续运行一小时仅需约1美元，被定位为“首个用户无需担心成本的前沿模型”。

MiniMax-M2.7于2026年3月推出，是MiniMax首个深度参与自身迭代的模型。M2.7内置Agent Harness框架，能够自主构建复杂的技能集、更新自身记忆，并通过强化学习驱动迭代优化，形成“模型驱动模型进化”的闭环。一个内部版本在100余轮自我优化中将编程脚手架性能提升了30%。在软件工程基准SWE-Pro上，M2.7得分56.22%，VIBE-Pro得分55.6%，接近Opus 4.6水平。M2.7对Office三件套的复杂编辑能力显著增强，GDPval-AA ELO得分1495为开源最高。在40个复杂技能（单技能超过2000 Token）的案例中，M2.7保持了97%的技能遵循率。

MiniMax-M3于2026年6月发布，是M2系列之后的架构级代际跃迁。M3采用MiniMax自研的稀疏注意力架构MSA（MiniMax Sparse Attention），将上下文窗口扩展至100万Token，同时将单Token计算量降至上一代模型的约1/20，预填充阶段提速超过9倍，解码阶段提速超过15倍。M3是国内首个同时具备“前沿Coding能力、1M超长上下文、原生多模态”三项核心能力的开源模型，支持图像与视频输入，并可操作桌面计算机。在编程基准上，M3取得SWE-Bench Pro 59.0%、Terminal-Bench 2.1 66.0%的成绩，并在办公工作流和金融领域展现出初步可用性。

PixVerse C1 于2026年4月8日发布，是首款专为影视工业流程设计的视频生成模型。它最高支持15秒1080P分辨率视频直出，提供文生、图生、参考内容生成及首尾帧控制四种输入方式。用户输入提示词后，模型可自动完成分镜规划与基础剪辑，实现从创意到成片的一站式转化。在内容连贯性方面，C1跨镜头的人物形变得到有效抑制，整体色调保持统一，多角色的动作协调性、空间关系及动态节奏均得到精准把控。区别于通用型模型，C1基于专业影视素材与制作规范训练，在镜头语言、构图逻辑、色彩管理和节奏控制等维度贴近实际影视生产需求，并在打斗动作、术法特效、多宫格分镜等场景做了专项优化。

PixVerse V3.5 于2024年12月29日发布，核心承诺是“瞬间创建——10秒内”完成视频生成，并大幅升级了动漫渲染能力。它支持5秒或8秒的视频输出，分辨率覆盖360p至1080p，引入的开始-结束帧概念成为后续系列的重要基础能力。V3.5是当前 PixVerse API 仍然接受的最旧模型名称，普通的V3已从枚举中移除，说明其接口稳定性经过了长期验证。在定价上，5秒V3.5片段在360p或540p下需45积分，720p需60积分，1080p需120积分，选择8秒或快速运动则翻倍。V3.5的发布标志着 PixVerse 从功能堆叠转向生成速度的实质性突破，为后续版本奠定了效率基础。

PixVerse V4 于2025年2月25日发布，核心升级是写实度的大幅提升和 Restyle（风格重绘）功能的推出，同时新增了音频生成能力。模型支持5秒或8秒视频，分辨率覆盖540p、720p和1080p，可从文本或图像提示生成视频。在定价方面，5秒1080P普通运动消耗80积分（约0.80美元），开启音效额外消耗10积分。V4在人物/物体的自然度和生成速度上均有改善，使 PixVerse 的生成能力开始跻身行业第一梯队。该版本还引入了风格重绘功能，用户可在写实与动漫等外观之间灵活切换，为后续 V4.5 的多模态融合和多主体控制能力奠定了基础。

PixVerse V4.5 于2025年6月6日上线，在生成速度、画面精细度及多主体控制方面实现提升。其核心亮点是集成20余种电影镜头模板（如希区柯克变焦、一镜到底等），用户可调节焦距变化速度和镜头抖动幅度等参数，生成具有电影质感的动态画面。多模态融合技术支持最多8张图片输入，通过 SE(3) 等变网络实现多图像空间关系解算，自动生成包含起承转合的20秒完整片段。针对高速运动和群体交互等场景，V4.5通过对抗训练将动作流畅度相比 V4.0 提升约30%，减少了扭曲与伪影。

PixVerse V5 于2025年8月27日正式发布，其核心突破是生成速度从“分钟级”压缩至“秒级”：用户最快5秒即可生成一段360P短片，1分钟可生成1080P高清视频，画质与动作保持稳定。模型通过极致蒸馏、人类偏好拟合和统一特征空间等技术，在复杂人物运动、超现实场景和现实生活场景的光影真实感与审美匹配方面实现显著提升，更大规模的参数设计大幅增强了模型对复杂动作的拟合能力。同步上线的 Agent 创作助手专为零基础用户设计，用户上传一张图片即可自动识别特征并生成5至30秒的完整短片，无需掌握复杂的提示词技巧。V5标志着 PixVerse 从工具型产品向智能化创作平台的转型。

PixVerse V5.5 于2025年12月1日发布，是首款实现“分镜+音频”一键直出的 AI 视频大模型。此次更新首次支持音频与多镜头同步生成，并强化了多角色音画同步能力，AI 能够根据提示词生成具备叙事结构的短片，标志着 AI 视频从“镜头生成”向自动“讲故事”的进化。用户可在多镜头和音画同步开启状态下生成5秒、8秒或10秒的视频，直接在提示词中控制音效类型。在分辨率方面，10秒片段最高支持720p，1080p输出限制为5秒或8秒。V5.5新增了 generate_audio_switch 和 generate_multi_clip_switch 等 API 参数，为开发者提供了更细粒度的控制能力。

PixVerse V5.6 于2026年1月26日发布，核心升级是“惊人的物理拟真”能力和电影级画面生成。模型在物理运动模拟方面实现显著进步，物体和角色的运动轨迹更符合真实世界的力学规律。在口型同步和音频真实感方面也进行了增强。V5.6支持文生视频和图生视频统一模型，分辨率覆盖360p至1080p，时长支持5秒、8秒和10秒。10秒视频仅适用于360p、540p和720p分辨率，1080p时长限制为5或8秒。模型还支持首尾帧过渡生成和提示词推理增强，在 Artificial Analysis 2026年2月的全球图生视频赛道中，V5.6以1291的 ELO 综合质量评分位列第四。