簡短回答
MiniMax M2是MiniMax的模型,價格為每百萬輸入token $0.255、每百萬輸出token $1.02,上下文視窗為205K token。一則標準回答,也就是輸入1,000個token、輸出500個token,費用為$0.0008。在Whizi中每則訊息收費1點數,且需要Powerhouse方案以上。
這使它成為型錄中較便宜的模型之一:89個計費模型中有65個每則回答的費用更高,23個更低。
MiniMax M2的費用
牌價是供應商依token收取的費用。一則標準回答的費用是更有用的數字,因為無論每個模型如何計費,它都能為所有模型的相同工作量定價。
| 輸入,每百萬token | $0.255 |
| 輸出,每百萬token | $1.02 |
| 一則標準回答 | $0.0008 |
| 一千則回答 | $0.7650 |
| 上下文視窗 | 205K token |
| Whizi每則訊息點數 | 1 |
| 最低Whizi方案 | Powerhouse |
| 按費用排名(89個計費模型中) | 24 |
價格為OpenRouter登載的MiniMax公開費率,最後更新於2026-08-20。涵蓋29家供應商共100個模型的完整資料集是AI模型成本索引,並可在標明出處的情況下免費重複使用。
在Whizi內的費用
Whizi以點數而非token計量訊息,MiniMax M2的收費為每則訊息1點數。費用不會因訊息長度或回答長度而改變,因此一句簡短提問與長篇文件分析的花費相同。
| 方案 | 每月費用 | 每月點數 | 此模型可用訊息數 |
|---|---|---|---|
| Powerhouse | $49.99,或按年計費$34.99 | 8,000 | 8,000 |
MiniMax M2屬於Powerhouse型錄的一部分。任何未明確列在Starter或Pro方案中的模型都歸屬於Powerhouse,這是針對前沿與專業模型刻意設計的預設方案。詳見方案與限制。
價格比較
與索引中最便宜的模型Ling-3.0-flash(每則回答$0.000053)相比,MiniMax M2的費用高出14倍。與中位數模型Kimi K2 0711($0.0017)相比,則便宜2.2倍。
來自MiniMax的最接近機型:
| 模型 | 一則回答 | 上下文 | 點數 |
|---|---|---|---|
| MiniMax M2(本頁) | $0.0008 | 205K | 1 |
| MiniMax M3 | $0.0009 | 1M | 1 |
它是計費索引中最便宜的MiniMax模型,因此在此供應商內沒有更便宜的選項可轉換。
實務中的上下文視窗
MiniMax M2接受205K token的上下文,大約相當於310頁文字。這低於計費型錄的中位數。
宣傳的上下文與實際可用的上下文並非同一回事。記憶能力通常在達到標稱上限之前就開始下降,尤其是長輸入內容中段的材料,因此實際的測試方法是上傳一份長文件,詢問埋藏在中段的內容,而不是單憑數字判斷。
當你使用自己的檔案工作時,這個數字最為重要。如果文件對你選擇的模型來說太長,在同一段對話中切換到上下文更大的模型會延續原本的脈絡,讓你不必從頭開始。詳見對話中途切換模型。
- 每百萬token輸入$0.255、輸出$1.02
- 一則標準回答$0.0008,一千則$0.7650
- 205K token上下文視窗
- 在Whizi內每則訊息1點數
- 需要Powerhouse方案以上
- 按每則回答費用計算,在89個計費模型中排名第24
常見問題
MiniMax M2的費用是多少?
牌價為每百萬輸入token $0.255、每百萬輸出token $1.02,換算成輸入1,000個token、輸出500個token的一則標準回答為$0.0008,一千則則為$0.7650。在Whizi內,費用為每則訊息1點數,從每月額度中扣除,而非按token計量。
哪個Whizi方案包含MiniMax M2?
Powerhouse方案以上,每月$49.99,或按年計費$34.99。以每則訊息1點數計算,若把整個Powerhouse額度的8,000點數都用在這個模型上,可涵蓋8,000則訊息,而大多數人會混用另一個1點數的模型處理日常工作,讓額度用得更久。
MiniMax M2的上下文視窗是多少?
205K token,大約相當於310頁文字,低於計費型錄的中位數。應將這個數字視為上限而非實際可用數字:記憶能力通常在達到標稱上限之前就會下降,尤其是長輸入內容中段的內容。
與其他模型相比,MiniMax M2貴嗎?
按每則回答費用計算,它在89個計費模型中排名第24,也就是有65個更貴、23個更便宜。整個型錄從最便宜到最貴的價差約達2000倍,遠比多數人想像的更大,因此「貴」這個詞只有相對於你原本考慮的替代模型才有意義。