MiniMax 模型登陆 Amazon Bedrock：M2.5 专为 Agent 原生执行打造，支持 1M token 上下文

一句话看懂

MiniMax M2 系列三款模型（M2、M2.1、M2.5）正式上线 Amazon Bedrock，其中 M2.5 专为 agent 原生执行训练，支持 1M token 上下文，可在 AWS 安全基础设施上直接调用。

详细发生了什么

Amazon Bedrock 宣布引入 MiniMax M2 系列模型，包括 M2、M2.1 和最新的 M2.5。这些模型基于混合专家（MoE）架构，总参数量达 230B，但每次推理仅激活 10B 参数，兼顾大模型的知识容量与较低的计算成本。

M2.5 是系列中最新、最强大的模型，专门通过强化学习在 agent 化框架上训练，擅长工具调用、多步任务分解和长程编码任务。M2 支持 1M token 上下文窗口，适合长文档分析和多语言场景；M2.1 和 M2.5 上下文窗口为 196K tokens，输出上限均为 8K tokens。

Amazon Bedrock 提供两个端点：bedrock-mantle（推荐）使用 Chat Completions API，兼容 OpenAI SDK，只需修改 base URL 和 model ID 即可切换；bedrock-runtime 则支持 Guardrails、Agents、Flows 等原生功能。所有推理均在 AWS 基础设施上运行，提示和输出不会用于训练模型，也不会与模型提供商共享。

中文圈视角

MiniMax 作为中国 AI 公司，其模型通过 AWS Bedrock 向全球企业提供服务，对中文用户意味着几个关键点：

合规与数据安全：模型运行在 AWS 上，数据不出 AWS 环境，适合有严格数据合规需求的企业（如金融、医疗）。相比直接调用 MiniMax 国内 API，通过 Bedrock 可享受 AWS 的审计、加密和区域隔离能力。
平替与对比：MiniMax M2 系列在编码和 agent 场景对标 OpenAI GPT-4o 和 Anthropic Claude 3.5。国内用户若已使用 DeepSeek、Kimi 等模型，可通过 Bedrock 的统一 API 切换，无需额外适配。M2.5 的 agent 原生能力在中文圈尚少讨论，值得关注。
中文场景优势：M2 支持 1M token 上下文，对中文长文档分析（如合同、论文）非常实用。MoE 架构降低推理成本，适合高频调用场景。但需注意，模型通过 AWS 访问可能需要梯子，且按 AWS 定价计费，成本可能高于国内直接调用。
盲点：中文社区对 MiniMax 在 agent 领域的进展关注不足，M2.5 的 agent 原生训练方法（RL on agentic scaffolds）可能为国内 agent 开发提供新思路。

几条值得记住的细节

MiniMax M2 上下文窗口达 1M tokens，M2.1 和 M2.5 为 196K tokens，输出上限均为 8K tokens。
M2.5 总参数 230B，每次推理仅激活 10B 参数，推理成本远低于同等容量密集模型。
Bedrock 提供两个端点：bedrock-mantle（推荐，兼容 OpenAI SDK）和 bedrock-runtime（支持 Guardrails、Agents 等）。
模型支持三个服务层级：Standard、Priority、Flex，可按需选择性能与成本。
所有推理在 AWS 基础设施上运行，数据不用于训练，不与模型提供商共享。

一句话总结

MiniMax 模型通过 AWS Bedrock 落地，为中文用户提供安全、低成本的 agent 和编码能力，尤其适合有合规需求的企业。