MiniMax
2025.11.03

全球调用量前三，交错思维链解锁M2的Agent能力

自发布起, 海内外社区中越来越多的开发者开始使用 MiniMax M2, 几天内M2已跃升为OpenRouter全球调用量前三、HuggingFace Trending全球第一的模型。M2是OpenRouter上第一个日token消耗量超过50B的中国模型。

M2调用量位居OpenRouter全球调用量前三

M2调用量位居OpenRouter全球调用量前三

M2在HuggingFace Trending榜单中位列全球第一

M2在HuggingFace Trending榜单中位列全球第一

在 M2 研发的早期阶段, 我们就发现了Interleaved Thinking (交错思维链) 在Agent和Coding应用中的重要性 。除 Anthropic Claude 外, 目前大多数模型还未完全支持Interleaved Thinking, 它仍是业内非共识 。从用户反馈中我们也注意到, Interleaved Thinking在实际应用中有时并未被正确使用。 为什么Interleaved Thinking重要, 以及如何在不同 API 接口中有效地使用Interleaved Thinking以获得最佳效果? 我们想分享一些内部思考 。

为什么 Interleaved Thinking 如此重要？

Interleaved Thinking 对 Agent 至关重要: 它指在显式推理 (reasoning) 与工具调用 (tool use) 之间交替进行, 并把推理结果持续带入后续步骤。这一过程能显著提升在长程任务中的规划能力、自我修正能力与可靠性。在实践中, 它将冗长、重度依赖工具的任务转化为稳定的“计划→行动→反思”循环, 减少状态漂移与重复性错误, 同时确保每一步行动都基于最新证据 (evidence)。Interleaved Thinking同时提升了可调试性: 通过推理过程的快照让故障变得可解释与可恢复, 并通过复用假设、约束与部分结论 (而不是重新推导每个步骤) 从而提高样本效率。为获得最佳效果, 与其在一开始完成所有思考, 不如将思考与工具反馈交错进行, 保持思维链的连贯性, 使其在多轮交互中不断累积。

从社区开发者反馈中, 我们发现部分失败案例源于没有正确使用 Interleaved thinking, 即未能在多轮会话之间保留每一轮的思考状态。问题的原因之一是, 社区广泛使用的OpenAI Chat Completion API并不支持返回推理内容, 并在后续请求中再次传递。Anthropic API 虽然原生支持该能力, 但社区对 Claude 之外的模型支持得较少, 并且许多应用在其Anthropic API的实现中仍然没有回传之前的思考过程。这种状况导致 Interleaved Thinking 并没有得到良好的支持。而为了完全释放 M2 的全部能力, 在多轮交互中保留思考过程至关重要。

在 MiniMax M2 中, 只有保留并把上一轮的推理反馈到后续轮次, Interleaved CoT 才能发挥最大效果。模型会在工具调用之间进行推理, 将计划、假设、约束与中间结论持续向后传递——正是这种可持续、可累积的推理状态让M2模型稳定可靠。一旦丢弃了之前的推理状态, 模型的累积理解能力会下降, 状态偏离会增加, 自我修正能力会减弱, 规划能力也会退化, 尤其在长程 (long-horizon) 工具调用和“运行—修复”循环中更为明显。

多项基准测试表明, 保留之前多轮交互的思维状态更能提高性能:

SWE-Bench Verified: 69.4 vs. 67.2 (Δ=+2.2; +3.3%)

Tau^2: 87 vs. 64 (Δ=+23; +35.9%)

BrowseComp: 44.0 vs. 31.4 (Δ=+12.6; +40.1%)

GAIA: 75.7 vs. 67.9 (Δ=+7.8; +11.5%)

xBench: 72.0 vs. 66.0 (Δ=+6.0; +9.1%)

保持 Interleaved Thinking 状态完整至关重要 —— 模型的可靠性不仅在于它当前的想法，更在于它能否回顾和修正之前的想法。Interleaved Thinking 把这一过程机制化：计划 → 行动 → 反思，且状态始终保留，让反思得以累积，让修正在多轮交互中传递。

解锁M2的 Interleaved Thinking 能力

我们已在开放平台上为 MiniMax M2 及其 Interleaved Thinking 能力提供了最佳支持。为了获得最佳性能和兼容性, 我们强烈建议使用我们的官方API。MiniMax 提供两种 API 接口:

OpenAI兼容API:

现在, 当通过 MiniMax OpenAI兼容API调用M2模型时, 可以用如下方式:

Anthropic兼容API:

Anthropic API 原生支持 Interleaved Thinking, 只需将模型每一轮的完整输出结果 (包含 thinking_blocks) 添加到 messages 历史中, 并在请求中发送给 API 即可。(更多详情请参阅官方手册)

推动行业标准, 构建面向Agent的未来

除了在MiniMax开放平台官方API上支持Interleaved Thinking外, 我们也在与OpenRouter、Ollama、Droid、Vercel、Cline等合作伙伴紧密合作, 共同推进并实现这一功能的跨平台支持。

通过与生态伙伴间的合作, 我们希望建立一个统一的协议范式, 用于在应用、OpenAI 兼容API、Anthropic 兼容 API中广泛支持 Interleaved Thinking, 从而为整个行业奠定基础。我们相信, 开放统一的标准将赋能全球开发者, 让他们能够轻松构建更强大、更可靠的Agent, 推动AI生态繁荣发展。如需合作, 请随时通过 api@minimaxi.com 与我们联系。

链接

  1. OpenAI兼容API: https://platform.minimaxi.com/docs/guides/text-m2-function-call#openai-sdk
  2. Anthropic兼容API: https://platform.minimaxi.com/docs/guides/text-m2-function-call#anthropic-sdk
  3. MiniMax 开放平台: http://platform.minimax.com