如今的开发者面临两个核心难题:基准测试无法反映真实的应用交付情况,以及前沿模型的高昂成本使其难以大规模使用。本文从这两点出发,介绍了 Minimax 构建的运行时级基准测试 VIBE,并展示了 Minimax M2.1 如何以极低的价格提供近乎前沿的全栈能力。文章将解释 VIBE 衡量什么、Minimax M2.1 的表现如何,以及开发者如何通过 Web、API、本地和基于 Agent 的工作流来访问和部署它。
对 Minimax M2.1 全栈应用智能进行基准测试
Minimax 推出了 VIBE,这是一个专为衡量模型从零开始构建完整、可运行应用能力而设计的基准测试。与评估孤立代码片段的传统编程基准测试不同,VIBE 会在真实运行时环境中执行生成的项目,并验证功能正确性和视觉行为。
| 基准测试 | MiniMax-M2.1 | MiniMax-M2 | Claude Sonnet 4.5 | Claude Opus 4.5 | Gemini 3 Pro |
|---|---|---|---|---|---|
| VIBE(平均) | 88.6 | 67.5 | 85.2 | 90.7 | 82.4 |
| VIBE-Web | 91.5 | 80.4 | 87.3 | 89.1 | 89.5 |
| VIBE-仿真 | 87.1 | 77.0 | 79.1 | 84.0 | 89.2 |
| VIBE-Android | 89.7 | 69.2 | 87.5 | 92.2 | 78.7 |
| VIBE-iOS | 88.0 | 39.5 | 81.2 | 90.0 | 75.8 |
| VIBE-后端 | 86.7 | 67.8 | 90.8 | 98.0 | 78.7 |
更有说服力的是成本。M2.1 以显著低于同类模型的价格提供了接近前沿的全栈能力。在实践中,这改变了团队使用 LLM 的方式。

如何访问 Minimax M2.1?
1. Minimax M2.1 Web 界面

2. 面向开发者的 Minimax M2.1 API 访问
步骤 1:登录并访问模型库
登录您的账户,点击 模型库 按钮。

步骤 2:选择模型
浏览可用选项,选择适合您需求的模型。

步骤 3:开始免费试用
开始免费试用,探索所选模型的能力。

步骤 4:获取 API 密钥
为了通过 API 进行身份验证,我们将为您提供一个新的 API 密钥。进入“设置”页面,您可以按照图中指示复制 API 密钥。

步骤 5:安装 API
使用您编程语言对应的包管理器安装 API。
安装完成后,将必要的库导入到您的开发环境中。使用 API 密钥初始化 API,开始与 Novita AI LLM 交互。以下是为 Python 用户提供的聊天补全 API 使用示例。
from openai import OpenAI
client = OpenAI(
api_key="<Your API Key>",
base_url="https://api.novita.ai/openai"
)
response = client.chat.completions.create(
model="minimax/minimax-m2.1",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Hello, how are you?"}
],
max_tokens=131072,
temperature=0.7
)
print(response.choices[0].message.content)
3. Minimax M2.1 本地部署与专用端点
要求:
| 配置 | 最大上下文 | 使用场景 |
|---|---|---|
| 4× A100 或 A800 (80 GB) | 400K tokens | 标准部署 |
| 4× H200 或 H20 (96 GB+) | 400K tokens | 标准部署 |
| 8× H200 (141 GB) | 3M tokens | 扩展上下文工作负载 |
安装步骤:
- 从 HuggingFace 或 ModelScope 下载模型权重
- 选择推理框架:支持 vLLM 或 SGLang
- 按照官方 GitHub 仓库中的部署指南进行操作
您会选择使用专用端点,当您需要稳定的高性能推理、自定义模型控制,以及在持续或高负载工作下比维护本地 GPU 和基础设施更低的成本时。

4. Minimax M2.1 与代码 Agent 工具的集成
Minimax M2.1 被设计为代码 Agent 工作流的稳定骨干,可无缝集成 Claude Code、Droid (Factory AI)、Cline、Kilo Code 和 Roo Code,同时支持结构化的上下文系统,如 Skill.md、Claude.md、agent.md、cursorrule 和 Slash Commands。它在长期规划和迭代执行中保持连贯性,可实现多文件脚手架搭建、重构循环和自主调试等任务。
通过 Novita AI,开发者可以绕过区域限制,将 M2.1 直接部署到现有管道中,并享有 99% SLA 保障的稳定性,使其适合高频代码生成和 CI 自动化。同一套技术栈还提供 Kimi-K2 和 Qwen3 Coder,以不到五分之一的价格实现接近 Claude Sonnet 4 的编码表现,使团队能够经济地扩展 Agent 驱动的开发。
第一步:获取 API 密钥

在 Cursor 中使用 Minimax M2.1
步骤 1:安装 Cursor
从 cursor.com 下载最新版本,订阅 Pro 计划,并完成初始设置。
步骤 2:访问高级模型设置
在 Cursor 中,打开 设置,从左侧菜单中选择 模型,找到 API 配置。

步骤 3:配置 Novita AI 集成
- 在“OpenAI API Key”字段中:粘贴您的 Novita AI API 密钥
- 在“Override OpenAI Base URL”字段中:将默认值替换为:
https://api.novita.ai/openai
步骤 4:添加多个 AI 编码模型
点击“+ 添加自定义模型”并添加每个模型:
- minimax/minimax m2.1
qwen/qwen3-vl-235b-a22b-thinkingzai-org/glm-4.6deepseek/deepseek-v3.1moonshotai/kimi-k2-0905openai/gpt-oss-120bgoogle/gemma-3-12b-it
步骤 5:测试集成
在 Ask 或 Agent 模式下开始新对话,在模型之间切换,并确认每个模型都能正确响应。
在 Claude Code 中使用 Minimax M2.1
步骤 1:安装 Claude Code
首先,确认您的系统上安装了 Node.js 18 或更高版本:
node -v
# 预期输出:v18.x.x 或更高(例如 v20.10.0)
如果 Node.js 缺失或版本低于 v18,请从 [https://nodejs.org](https://nodejs.org) 下载并安装最新版本。
- 安装命令:
使用 npm 全局安装 Claude Code:
npm install -g @anthropic-ai/claude-code
- 验证安装:
claude --version
步骤 2:设置环境变量
在 Windows 上:为当前 CMD 会话设置变量:
set ANTHROPIC_BASE_URL=https://api.novita.ai/anthropic
set ANTHROPIC_AUTH_TOKEN=<Your_Novita_API_Key>
set ANTHROPIC_MODEL=minimax/minimax-m2.1
set ANTHROPIC_SMALL_FAST_MODEL=minimax/minimax-m2.1
在 macOS 和 Linux 上:在 shell 中导出变量:
export ANTHROPIC_BASE_URL="https://api.novita.ai/anthropic"
export ANTHROPIC_AUTH_TOKEN="<Your_Novita_API_Key>"
export ANTHROPIC_MODEL="minimax/minimax-m2.1"
export ANTHROPIC_SMALL_FAST_MODEL="minimax/minimax-m2.1"
步骤 3:启动 Claude Code
- 导航到您的项目目录
cd <path_to_your_project>
- 启动 Claude Code
claude .
点号 (.) 告诉 Claude Code 操作当前目录,扫描并在此项目内工作。
启动后,您将看到交互式 Claude Code 提示符,其中包含诸如 /init、/model、/review 等命令的使用权限。
常见的会话级命令包括:
/init– 在当前目录中初始化 Claude Code。/login– 如有需要,使用 API 提供商进行身份验证。/logout– 清除已存储的凭据。/memory– 查看或编辑持久性内存。/model– 查看或切换当前模型。/permissions– 管理文件和命令权限。/review– 应用前审查待更改的内容。/status– 显示当前会话状态。/terminal-setup– 配置终端集成。/vim– 切换 Vim 键绑定。
在 Trae 中使用 Minimax M2.1
步骤 1:打开 Trae 并访问模型
启动 Trae 应用。点击右上角的 AI 侧边栏切换按钮打开 AI 侧边栏。然后,进入 AI 管理并选择模型。


步骤 2:添加自定义模型
点击添加模型按钮以创建自定义模型条目。

步骤 3:选择 Novita 作为提供商
在添加模型对话框中,从下拉菜单中选择 Provider = Novita。

步骤 4:选择或输入模型
从模型下拉菜单中,选择您所需的模型(例如 DeepSeek-R1-0528、DeepSeek-V3-0324 或 MiniMax-M1-80k)。如果列表中未显示确切模型,只需输入您从 Novita 库中记录的模型 ID。确保您选择了所需模型的正确变体。

步骤 5:输入您的 API 密钥
从 Novita 控制台复制 Novita AI API 密钥,并粘贴到 Trae 的 API Key 字段中。
步骤 6:保存配置
点击 添加模型 进行保存。Trae 将在后台验证 API 密钥和模型选择。
在 Codex 中使用 Minimax M2.1
步骤 1:前置条件
- 创建账户:访问 Novita AI 网站 并注册账户。
- 生成您的 API 密钥:登录后,导航至 密钥管理 页面生成您的 API 密钥。
- 选择模型名称:您需要从 Novita AI 的 模型库 中复制您要使用的模型名称。一些可用的模型包括:
deepseek/deepseek-v3.1qwen/qwen3-coder-480b-a35b-instructmoonshotai/kimi-k2-0905openai/gpt-oss-120bzai-org/glm-4.5google/gemma-3-12b-it
- 安全保存:您将在配置时需要它。
步骤 2:安装
# 通过 npm 安装(推荐)
npm install -g @openai/codex
# 通过 Homebrew 安装(macOS)
brew install codex
# 验证安装
codex --version
步骤 3:配置 Novita AI 模型
设置配置文件
Codex CLI 使用 TOML 配置文件,位置如下:
- macOS/Linux:
~/.codex/config.toml - Windows:
%USERPROFILE%\.codex\config.toml
基本配置模板
model = "MODEL_NAME"
model_provider = "novitaai"
[model_providers.novitaai]
name = "Novita AI"
base_url = "https://api.novita.ai/openai"
http_headers = {"Authorization" = "Bearer YOUR_NOVITA_API_KEY"}
wire_api = "chat"
5. 第三方平台上的 Minimax M2.1
- 兼容 OpenAI 的 API: 享受无忧迁移并集成到 Cline、OpenCode 和 Cursor 等工具中,这些工具专为 OpenAI API 标准设计。
- Hugging Face: 通过 Novita AI 端点,在 Spaces、管道或 Transformers 库中使用模型。
- Agent 与编排框架: 通过官方连接器和逐步集成指南,轻松将 Novita AI 与合作伙伴平台(如 Continue、AnythingLLM、LangChain、Dify 和 Langflow)连接。
VIBE 围绕可运行的软件重新定义了评估标准,而 Minimax M2.1 证明了全栈应用智能既可以达到执行级别,又经济实惠。凭借强大的跨平台性能和灵活的部署路径,Minimax M2.1 使团队能够从 AI 辅助编码转向经济可扩展的、Agent 驱动的软件生产。
常见问题解答
对于 Minimax M2.1,VIBE 衡量什么?
VIBE 在真实运行时中执行由 Minimax M2.1 生成的应用,验证其在 Web、仿真、Android、iOS 和后端的功能行为和视觉输出。
Minimax M2.1 与 Claude Sonnet 4.5 和 Claude Opus 4.5 相比如何?
Minimax M2.1 在 VIBE 得分上可与 Claude Sonnet 4.5 和 Claude Opus 4.5 竞争,同时运行成本显著更低。
开发者如何通过 API 访问 Minimax M2.1?
开发者可以获取密钥,并通过 Novita AI 使用兼容 OpenAI 的端点调用 Minimax M2.1。
Novita AI 是一个 AI 云平台,为开发者提供通过简单 API 部署 AI 模型的便捷方式,同时还提供经济可靠、可用于构建和扩展的 GPU 云。
推荐阅读
