
Variante M2.7 à haute vitesse adaptée à une inférence rapide avec une performance générale forte avec de fortes capacités agentsiques.
Variante M2.7 à haute vitesse adaptée à une inférence rapide avec une performance générale forte avec de fortes capacités agentsiques.
Aussi connu sous le nom MiniMax-M2.7-Highspeed, minimax-m2-7-highspeed
minimax-m2-7-highspeed/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/minimax-m2-7-highspeed:generateContentminimax-m2.7-highspeedminimax/m2.7-highspeedTarifs à l'usage en direct du catalogue EmpirioLabs. Vous ne payez que ce que vous utilisez, sans minimum mensuel.
MiniMax M2.7 Highspeed sert l'API Chat Completions compatible OpenAI. Pointez n'importe quel SDK OpenAI vers https://api.empiriolabs.ai/v1 avec votre clé API EmpirioLabs et utilisez l'id de modèle minimax-m2-7-highspeed. Obtenez une clé API depuis le tableau de bord EmpirioLabs.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "minimax-m2-7-highspeed",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'from openai import OpenAI
client = OpenAI(
base_url="https://api.empiriolabs.ai/v1",
api_key="YOUR_EMPIRIOLABS_API_KEY",
)
response = client.chat.completions.create(
model="minimax-m2-7-highspeed",
messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)Paramètres de requête pris en charge par l'API MiniMax M2.7 Highspeed sur EmpirioLabs. Les valeurs par défaut s'appliquent quand un champ est omis.
| Paramètre | Type | Par défaut | Plage / valeurs | Description |
|---|---|---|---|---|
| temperature | number | 1 | 0 à 2 | Température d’échantillonnage. 0 = déterministe, 2 = aléatoire maximal. |
| top_p | number | 0.95 | 0 à 1 | Probabilité d’échantillonnage du noyau, masse. Plus bas = plus concentré. |
| max_tokens | number | 4096 | 1 à 131072 | Maximum de jetons dans la réponse. |
| stop | string | - | - | Jusqu’à 4 chaînes où le modèle cesse de générer d’autres jetons. |
| tools | array | - | - | Définitions d’outils d’appel de fonction à la manière OpenAI. Chaque entrée a un nom, une description, des paramètres. |
| tool_choice | string | - | - | Auto | aucun | obligatoire | {type:fonction, fonction:{nom: »..."}}. Contrôle quand le modèle doit appeler un outil. |
| response_format | enum | - | - | Retournez la sortie comme un objet JSON valide (mode JSON). Décrivez les domaines que vous souhaitez dans votre prompt. |
| web_search_linkup | boolean | false | - | Recherche web optionnelle propulsée par Linkup. Lorsqu’activées, les sources web récentes sont récupérées en utilisant votre dernier message utilisateur comme requête et fournies au modèle comme contexte supplémentaire. Ajoute $0.013 par appel lorsqu’il est invoqué en plus du coût normal du jeton du modèle. Désactivé par défaut. |
| disable_formatting | boolean | false | - | Une fois activée, la passerelle n’ajoutera pas le pied de page « Sources » aux réponses des assistants ayant utilisé la recherche web Linkup. Utile lorsque la sortie... |
Même performance frontière que M2.7 avec ~100 tokens/sec sortie. La pensée entrelacée est toujours allumée (pas de bascule).
Sur EmpirioLabs, MiniMax M2.7 Highspeed est facturé à l'usage. La grille tarifaire en direct de cette page correspond toujours à ce que l'API facture.
MiniMax M2.7 Highspeed prend en charge une fenêtre de contexte de 200K tokens avec jusqu'à 32 768 tokens de sortie par réponse.
Oui. MiniMax M2.7 Highspeed sert l'API Chat Completions compatible OpenAI : les SDKs OpenAI existants fonctionnent en pointant base_url vers https://api.empiriolabs.ai/v1 et en utilisant l'id de modèle minimax-m2-7-highspeed.
Oui. Le playground EmpirioLabs exécute MiniMax M2.7 Highspeed dans le navigateur avec les mêmes paramètres que l'API expose, pour tester vos prompts avant d'écrire du code.
Créez un compte EmpirioLabs, puis générez une clé sous API Keys dans le tableau de bord. La facturation utilise des crédits à l'usage : vous ne payez que vos requêtes.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.