27 · MiniMax

MiniMax 是一家中国 AI 公司，提供高性能 LLM，并提供 OpenAI 兼容 API。 Embabel 把 MiniMax 作为一等提供方集成，使用与其它 OpenAI 兼容提供方相同的 OpenAiCompatibleModelFactory 模式。

添加依赖（Add the Dependency）

<dependency>
    <groupId>com.embabel.agent</groupId>
    <artifactId>embabel-agent-starter-minimax</artifactId>
</dependency>

API Key 配置

通过**环境变量（推荐）**或 Spring 属性设置你的 MiniMax API key：

export MINIMAX_API_KEY=your-api-key

或在 application.yml 中：

embabel:
  agent:
    platform:
      models:
        minimax:
          api-key: your-api-key

环境变量 MINIMAX_API_KEY 优先于属性值。 本地开发用属性，生产部署用环境变量。

可用模型（Available Models）

模型名	模型 ID	上下文窗口	输入（每 100 万 token）	输出（每 100 万 token）
MiniMax-M3	MiniMax-M3	512K tokens	$0.60	$2.40
MiniMax-M2.7	MiniMax-M2.7	192K tokens	$1.10	$4.40
MiniMax-M2.7-highspeed	MiniMax-M2.7-highspeed	192K tokens	$0.55	$2.20

• MiniMax-M3 是最新旗舰，也是最佳默认选择，且比 MiniMax-M2.7 便宜得多。
• MiniMax-M2.7 是上一代旗舰，为向后兼容以及需要其 192K 上下文窗口的项目而保留。
• MiniMax-M2.7-highspeed 用一些质量换取显著更低的延迟与成本 —— 适合多动作 Agent 流程中的中间步骤。

Embabel 的按步骤选择 LLM 能力，让 MiniMax 模型特别适合混合策略： 用 MiniMax-M2.7-highspeed 做抽取与分类步骤，把 MiniMax-M3（或某个更贵的模型）只留给最后的推理步骤。

使用 MiniMax 模型

在 @LlmCall 里按名称引用，或通过 ai.withLlm() 以编程方式引用：

// 声明式
@LlmCall(llm = "MiniMax-M3")
fun summarize(article: Article): Summary

// 编程式
ai.withLlm("MiniMax-M2.7-highspeed")
    .create<Classification>("Classify this input")

或者把 MiniMax 模型映射到配置里的角色：

embabel:
  models:
    llms:
      cheapest: MiniMax-M2.7-highspeed
      best: MiniMax-M3

然后用 # 前缀按角色引用：

@LlmCall(llm = "#cheapest")
fun extractEntities(text: String): EntityList

温度钳制（Temperature Clamping）

MiniMax 模型要求 temperature 落在 (0.0, 1.0] 区间内 —— 恰好为 0.0 是不允许的。 Embabel 的 MiniMaxOptionsConverter 会自动钳制 temperature（把 0.0 抬到允许的下界、1.0 保持 1.0）。 发生钳制时会输出一条 DEBUG 日志。你不需要做任何事 —— 这是透明处理的。

配置参考（Configuration Reference）

embabel:
  agent:
    platform:
      models:
        minimax:
          api-key: your-api-key                          # 也可以用 MINIMAX_API_KEY 环境变量
          base-url: https://api.minimax.io/v1            # 默认值；走代理时可覆盖
          max-attempts: 4                                # 重试次数（默认 4）
          backoff-millis: 1500                           # 初始退避毫秒（默认 1500）
          backoff-multiplier: 2.0                        # 退避倍数（默认 2.0）
          backoff-max-interval: 60000                    # 最大退避毫秒（默认 60000）

另见

• 使用 LLM（Working with LLMs）
• 配置参考（Configuration Reference）
• MiniMax AI