信创模盒 ModelHub XC 社区宣布，已完成对全球领先的开源 Agent 模型 MiniMax-M2 在国产信创算力卡上的适配工作。
基于 ModelHub XC 社区推出的面向信创算力的 AI 引擎体系 EngineX 模型推理框架，已成功实现 MiniMax-M2 模型在昇腾 910B4 芯片上的稳定运行，标志着信创生态正在加速迈向高性能 AI Agent 的应用新时代。
MiniMax-M2 技术解析：Agentic Workflows 的“效率之王”
MiniMax-M2 模型由 MiniMax 推出，以其创新架构和卓越性能，在全球开源大模型榜单上名列前茅，被公认为最适合 AI Agent 工作流和复杂编码任务的新一代模型。
核心技术亮点：
划时代的 MoE 架构： MiniMax-M2 采用 Mixture-of-Experts（MoE）架构，模型总参数量高达 2300 亿 (230B)，但在推理过程中每个 Token 仅激活约 100 亿 (10B) 参数。
极致效率与性价比： 这种小激活参数设计，使得 M2 在保证顶尖性能的同时，实现了极低的推理成本和极高的推理速度（部分测试中比同级别闭源模型快一倍），一举打破了高性能与高成本之间的“不可能三角”。
Agent & Coding 专精： M2 在 SWE-Bench Verified 等代码基准和 BrowseComp 等 Agentic 基准上表现突出，擅长长链条规划、工具调用（Shell、Browser、Code Interpreter）以及从错误中恢复，是构建企业级 AI Agent 的理想基座模型。
🚀 信创模盒 ModelHub XC 本次适配工作：架构级适配
本次适配工作的重点是针对 MiniMax-M2 的量化版本进行深度适配与优化，充分体现了 ModelHub XC 社区在解决国产硬件平台特定技术难题方面的领先优势。
模型与算力环境详情
2.适配成果：稳定复现
通过适配，MiniMax-M2 模型已成功在昇腾 910B4 算力平台上实现稳定运行。对需要 Agent 服务的信创企业用户而言，提供了即插即用的 AI 算力基础。
技术路线：“架构级适配”实现批量兼容
本次适配工作延续了社区推出的 EngineX 体系的**“架构级适配”**技术路线：
MiniMax-M2 的核心算法架构基于高效的 Transformer / MoE 结构。
我们通过在 EngineX 引擎层完成对 Transformer / MoE 算法架构的深度适配与优化，能够最终实现对同一架构下多个大模型的批量化支持。
这意味着，像 MiniMax-M2 这样基于 Transformer 架构的创新模型，可以在 ModelHub XC 的 EngineX 引擎上，实现对国产信创算力平台的即插即用，极大地缩短了模型在信创硬件上的部署周期。
目前，社区已将最新的支持 MiniMax-M2 模型的 EngineX 源代码与部署指南发布，供社区用户和企业进行下载和测试。
性能对比：实测展现模型部署潜力
通过 EngineX 的优化和配置，ModelHub XC 在昇腾 910B4 上实现 MiniMax-M2 的稳定运行，实测同一套问题多轮对话，推理速度与英伟达A00仍然存在一定程度差距，这些差距为后续优化提供了明确的优化方向。
欢迎加入算力微信交流群了解详细部署方案和测试情况
模型和引擎地址：
MiniMax-M2 模型地址：
https://modelhub.org.cn/login#/model/unsloth/MiniMax-M2-GGUF
昇腾 910B4 引擎地址：
https://git.modelhub.org.cn:9443/EngineX-Ascend/enginex-ascend-910-llama.cpp
信创模盒 ModelHub XC 是面向信创算力生态的 AI 模型与工具社区，致力于推动国产硬件平台上的人工智能创新与落地，提供涵盖模型训练、推理到部署的全流程解决方案。
信创模盒 ModelHub XC 官网：
https://modelhub.org.cn/
信创模盒 ModelHub XC 社区：
https://git.modelhub.org.cn:9443/EngineX-Community/community
微信公众号：信创模盒 ModelHub XC
信创算力微信交流群：扫描下方二维码
