🟠 MiniMax AI — เจาะลึกทุกโมเดล
บริษัท AI จาก Shanghai ที่เชี่ยวชาญ Autonomous + Video + Voice | อัปเดต: 25 พ.ค. 2569
🟠 MiniMax Group Inc.
稀宇科技 (Xīyǔ Kējì) | SEHK:100 | minimax.io
ผู้ก่อตั้ง
Yan Junjie, Yang Bin, Zhou Yucong
MiniMax ก่อตั้ง ธ.ค. 2021 ที่ Shanghai โดยทีมผู้ก่อตั้ง 3 คน (Yan Junjie, Yang Bin, Zhou Yucong) — มุ่งเน้น AI สำหรับ real-world productivity ด้วย multi-agent collaboration + self-evolution ต่างจากค่ายอื่น MiniMax มีทั้ง LLM text models (M2.7, M2.5, M1) + Video generation (Hailuo) + Voice/Speech (Speech 2.8) + Music (Music 2.6) + Roleplay (M2-her, Talkie) — เป็น AI ecosystem ที่ครบวงจร MiniMax เพิ่ง IPO บน SEHK ปี 2026
🌐 Product Ecosystem — ทุกผลิตภัณฑ์
🤖
MiniMax M2.7
LLM Latest
Autonomous agent, multi-agent collaboration, 131K max output, self-evolution
⚡
MiniMax M2.5
LLM SOTA
Coding expertise, real-world productivity, 204K context, free tier
🧠
MiniMax M1
Reasoning MoE
Hybrid MoE, lightning attention, 1M context, extended reasoning
📹
Hailuo 2.3
Video Gen
Text-to-video SOTA, Chinese short drama optimized
🎙️
Speech 2.8
Speech/TTS
Text-to-speech, voice cloning, multilingual
🎵
Music 2.6
Music Gen
AI music generation, song creation
💬
M2-her
Roleplay
Immersive roleplay, character chat, consistent personality
🔵
MiniMax Agent
Agent
AI agent framework, tool use, automation
🤖 LLM Models — ราคา & Specs
| โมเดล |
Type |
Parameters |
Context |
Input $/1M |
Output $/1M |
จุดเด่น |
|
MiniMax M2.7 NEW
Flagship 2026 • Agentic
|
Latest |
MoE
unknown total |
~200K |
$0.279 |
$1.20 |
Multi-agent, self-evolution, 131K max output |
|
MiniMax-01
MoE flagship
|
MoE + VL |
456B total
45.9B active |
1M ✅ |
$0.20 |
$1.10 |
MoE 456B, VL image understanding, 1M context |
|
MiniMax M1
MoE Reasoning
|
Reasoning MoE |
MoE
large scale |
1M ✅ |
$0.40 |
$2.20 |
Lightning attention, extended context, reasoning |
|
MiniMax M2.5 FREE
Free tier
|
Free |
MoE
large scale |
204K |
$0 |
$0 |
Free SOTA, coding expertise, real-world productivity |
|
MiniMax M2.5
Paid tier
|
General |
MoE
large scale |
204K |
$0.15 |
$1.15 |
Coding, general productivity |
|
MiniMax M2.1
Lightweight agentic
|
Coding Agent |
10B active
230B total |
204K |
$0.29 |
$0.95 |
Compact, efficient, agentic workflows |
|
MiniMax M2
Coding + agentic
|
Coding |
10B active
230B total |
204K |
$0.255 |
$1.00 |
Compact coding, near-frontier intelligence |
|
MiniMax M2-her
Roleplay
|
Roleplay |
— |
65K |
$0.30 |
$1.20 |
Character chat, immersive roleplay |
⚙️ สถาปัตยกรรม — MoE + Lightning Attention
🔬 MiniMax-01 / M1 Architecture
Total Params 456 Billion
Active Params 45.9 Billion
Context 1,000,000 tokens
Architecture MoE + VL
Attention Lightning Attention
Components Text-01 + VL-01
🧠 M2.7 Architecture
Type Next-gen LLM
Focus Autonomous Agentic
Max Output 131,072 tokens
Context ~200K tokens
Features Multi-agent + Self-evolution
Training Real-world digital envs
⚡ M2.1 / M2 Architecture
Active Params 10 Billion
Total Params 230 Billion
Context 204,800 tokens
Architecture MoE (likely)
Focus Coding + Agentic
Efficiency High (compact)
📊 vs DeepSeek MoE
MiniMax-01 456B / 45.9B
DeepSeek V3 685B / 37B
DeepSeek V4 1.6T / 49B
MiniMax Context 1M ✅
DeepSeek Context 1M ✅
Open-Source DeepSeek เ�better
💰 เปรียบเทียบราคา — MiniMax vs ค่ายอื่น
MiniMax M2.7
$0.279
per 1M input
$1.20
per 1M output
Multi-agent + 131K output
MiniMax-01
$0.20
per 1M input
$1.10
per 1M output
MoE + VL + 1M context
M2.5 Free
FREE
per 1M input
FREE
per 1M output
SOTA ฟรี! 204K context
Claude Sonnet 4
$3.00
per 1M input
$15.00
per 1M output
vs MiniMax แพงกว่า ~10-13x
🔵 MiniMax vs DeepSeek — เปรียบเทียบตรงๆ
LLM Flagship M2.7
Input $/1M $0.279
Output $/1M $1.20
Max Output 131K ✅
Context ~200K
Multi-Agent ✅ Built-in
MoE ? (likely)
Open-Source ❌
Video Gen ✅ Hailuo
Voice/Music ✅ Built-in
VS
LLM Flagship V4 Pro
Input $/1M $0.0004
Output $/1M $0.0009
Max Output 16K
Context 1M ✅
Multi-Agent —
MoE ✅ 1.6T/49B
Open-Source ✅ Weights
Video Gen ❌
Voice/Music ❌
✅ จุดเด่น
Max output 131K tokens — มากที่สุดในโลก LLM!
Multi-agent collaboration built-in
Self-evolution during tasks
AI ecosystem ครบ — Text + Video + Voice + Music
M2.5 FREE — SOTA ฟรี 204K context
MiniMax-01 MoE 456B/46B + VL + 1M context
M2-her สำหรับ roleplay เจ๋งมาก
IPO แล้ว (SEHK:100) — มี funding มาก
⚠️ ข้อจำกัด
ไม่ open-source weights — closed model
ราคา M2.7 แพงกว่า DeepSeek หลายร้อยเท่า
MoE specs ไม่เปิดเผย publicly
Context M2.7 เล็กกว่า V4 (200K vs 1M)
ไม่มี reasoning model แข่งกับ R1/o1
จีน company — data privacy concerns
Output size V4 แค่ 16K — น้อยกว่า M2.7 8x
💡 สรุป — MiniMax คุ้มค่าแค่ไหน?
🤖 Autonomous/Multi-agent: M2.7 ดีที่สุด — 131K output + multi-agent built-in
📝 Long Document: MiniMax-01 หรือ M1 — 1M context
💸 Budget Free: M2.5 FREE — SOTA ฟรี 204K context
🎬 Video Generation: Hailuo 2.3 — SOTA text-to-video
🎙️ Voice/TTS: Speech 2.8 — voice cloning + TTS
🎵 Music Gen: Music 2.6 — AI music creation
💰 Price/Performance: DeepSeek V4 ถูกกว่า M2.7 ~700x
🔓 Open-Source: DeepSeek ชนะเลิศ — MiniMax closed
🧠 Reasoning: DeepSeek R1 หรือ o1 ดีกว่า
🌐 AI Ecosystem: MiniMax ครบกว่า — มีทุกอย่างในบ้านเดียว
📊 ถ้าเทียบกัน: DeepSeek ราคา/โมเดล vs MiniMax ราคา/ecosystem
✅ สรุป: DeepSeek ถูกกว่ามาก แต่ MiniMax ครบกว่า
📝 หมายเหตุ:
• ราคาจาก OpenRouter (25 พ.ค. 2569) — MiniMax-01 $0.20/M คือ $0.00020/M จริงๆ
• M2.7 $0.279 = $0.000279/M | M2.5 $0.15 = $0.00015/M
• "MiniMax" ในไทยอาจหมายถึง Minimax (TV channel) — อย่าสับสน
• MiniMax มีทั้ง LLM + Video (Hailuo) + Voice (Speech) + Music — ecosystem ที่ใหญ่กว่า DeepSeek
• DeepSeek เป็น pure LLM company | MiniMax เป็น AI consumer product company
• ข้อมูลบางส่วน (MoE size, self-evolution details) ไม่เปิดเผย publicly