MiniMax 全系盘点：文本 M2.5-M3.1、视频 H3 与音频 Music3 的多模态开源家族
MiniMax 全系盘点：文本 M2.5-M3.1、视频 H3 与音频 Music3 的多模态开源家族
在国产开源模型家族里，MiniMax 是一个独特的存在：Qwen、DeepSeek、Kimi 的最大下载量都来自文本模型，而 MiniMax 家族下载量最高的产品是一款视频生成模型 MiniMax-H3（约 640 万下载）。文本线 M2.5 → M2.7 → M3 → M3.1-Flash 持续迭代，另有 Music3 音频生成。这种「视频出圈、文本跟进」的结构，让 MiniMax 在国产开源里形成了差异化定位。本文盘点全系结构、讲清各条线的选型逻辑。
30 秒版本
文本线：M2.5（120 万下载，主力）→ M2.7 → M3（多模态）→ M3.1-Flash（2026-10 最新）。视频线：H3（640 万下载，国产视频生成最大爆款）。音频线：Music3。MiniMax 不在 EXAIV 云端目录，走本地部署。
家族总览：视频出圈，文本跟进
| 产品线 | 代表模型 | 下载量 | 定位 |
|---|---|---|---|
| 视频生成 | MiniMax-H3（2026-07） | ~640 万 | 家族最大爆款 |
| 文本旗舰 | MiniMax-M2.5（2026-02） | ~120 万 | 文本线主力 |
| 文本进阶 | MiniMax-M2.7（2026-04） | ~31 万 | M2.5 的迭代版 |
| 多模态文本 | MiniMax-M3 / M3.1-Flash（2026-10） | ~20 万 | 图像+文本输入 |
| 音频生成 | MiniMax-Music3（2026-08） | ~5.7 千 | 国产少有的音频方向 |
| 早期推理 | M1-40k / M1-80k（2025-06） | ~3 万 | M1 系列（已被 M2 取代） |
| 逻辑数学 | SynLogic-7B / 32B | ~2 千 | 研究/实验线 |
为什么视频模型下载量能远超文本
H3 的 640 万下载反映了一个事实：视频生成是消费级和创作者需求最大的 AI 方向之一。ComfyUI 工作流的丰富生态（大量社区衍生模型、GGUF 量化、latent upscaler）让 H3 成为视频创作者的标配工具，下载量自然远超只服务开发者的文本模型。
文本线：M2.5 → M2.7 → M3 → M3.1-Flash
MiniMax 的文本模型线迭代清晰：
| 模型 | 发布时间 | 多模态 | 下载量 | 定位 |
|---|---|---|---|---|
| M2.5 | 2026-02 | 纯文本 | 120 万 | M2 系主力，本地部署首选 |
| M2.7 | 2026-04 | 纯文本 | 31 万 | M2.5 迭代版 |
| M3 | 2026-06 | 图像+文本 | 16 万 | 进入多模态 |
| M3.1-Flash | 2026-10 | 图像+文本 | 5 万 | 最新，轻量 Flash 档 |
M2.5 的下载量在国产文本模型中排名靠前，说明它有相当规模的本地部署用户基础。M3 系开始支持图像输入后，MiniMax 的文本线从纯文本迈入多模态——虽然起步比 Qwen VL 晚，但方向正确。
视频生成：H3 的生态
H3 的社区生态是 MiniMax 最有价值的资产：
- ComfyUI 工作流：大量社区整合、加速版、裁剪版
- GGUF 量化：unsloth 等提供多档量化（277 万下载）
- 后处理工具：latent upscaler、pruned 变体等
如果你需要本地视频生成，H3 + ComfyUI 是当前国产开源里最成熟的方案。部署方式偏向 ComfyUI 工作流而非传统的 llama.cpp——这也是视频模型与文本模型在部署形态上的根本差异。
音频生成：Music3
Music3 是国产开源里少有的音频方向模型（text-to-audio）。虽然下载量不大（5.7 千），但它代表了 MiniMax 在「多模态全覆盖」上的布局野心。社区已有 GGUF 版本（audio-cpp），可以在本地部署。
本地部署要点
MiniMax 的部署方式按产品线有显著差异：
| 产品线 | 部署方式 | 工具链 |
|---|---|---|
| 文本（M2.5/M2.7） | 标准 GGUF + Ollama/llama.cpp | 与 Qwen/DeepSeek 完全一致 |
| 多模态（M3/M3.1） | GGUF 或 transformers | 视觉输入需要多模态支持 |
| 视频（H3） | ComfyUI 工作流 + GGUF | 与文本模型完全不同的工具链 |
| 音频（Music3） | audio-cpp 或 ComfyUI | 音频专用工具 |
文本线的部署最简单——和其他国产模型完全一致，社区 GGUF 也有覆盖。视频线的部署复杂度最高，但 ComfyUI 生态降低了门槛。
EXAIV 云端目录以实时为准
本文发布时，EXAIV 云端目录未接入 MiniMax 系列（以 /models 实时为准）。MiniMax 文本模型可本地 GGUF 部署；视频和音频走 ComfyUI 等专用工具链。
选型速查
| 你的场景 | 推荐 MiniMax |
|---|---|
| 本地文本对话 | M2.5 或 M2.7（GGUF） |
| 图文理解 | M3 或 M3.1-Flash |
| 本地视频生成 | H3 + ComfyUI |
| 音频生成 | Music3 |
| 数学/逻辑实验 | SynLogic-32B |
FAQ
MiniMax 最大的特色是什么？
M2.5 和 M2.7 该选哪个？
H3 视频模型怎么部署？
M3 系的多模态能力怎么样？
MiniMax 能通过 API 调用吗？
价格在哪里看？
相关阅读
- Qwen3.8 vs DeepSeek V4 — 文本双雄对比
- Qwen vs Kimi — 全模态 vs 长文本
- ERNIE vs 混元 — 百度 vs 腾讯
- Qwen GGUF 本地部署入门 — 文本模型部署通识
- 模型目录 — EXAIV 当前可调用模型