云启伙伴 | MiniMax M2 全球调用量前三，真正值得关注的能力是什么？

云启资本·2025年11月4日

交错思维链的“奥秘”

MiniMax M2 发布仅一周，已跻身 OpenRouter 全球调用量前三、HuggingFace Trending 全球第一。但驱动 M2 在 Agent 与代码任务中表现突出的并不仅是模型本身，更是其对 Interleaved Thinking（交错思维链） 的深度支持。

本期 「云启伙伴」 和你分享来自云启早期被投 MiniMax 团队内部的研发思考，解释为何"推理—工具调用—再推理"的连续性，是决定 Agent 能力能否真正落地的关键。

以下内容摘编自MiniMax稀宇科技

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，它仍是业内的非共识。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之前每一轮的 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。这种情况导致 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。

图解 Interleaved Thinking

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：

  • 独立的 reasoning_details 字段： 模型的推理过程会在一个独立的 reasoning_details 字段中返回，不再与 content 混杂在一起。这使得 API 结构更清晰，也更易于解析。
  • 完整的思维链： 在后续请求中回传 reasoning_details 字段，可以确保模型在多次工具调用中保持完整的思维链，从而做出更准确的判断和规划。（代码示例及更多详情请参阅官方手册）

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 ，我们希望能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 $2 与我们联系。

链接

  1. OpenAI兼容API: $2$2*$2*
  2. Anthropic兼容API: $2$2*$2*
  3. MiniMax 开放平台: $2