跳转到主要内容
为了满足开发者对 OpenAI API 生态的使用需求，我们的 API 新增了对 OpenAI API 格式的支持。通过简单的配置，即可将 MiniMax 的能力接入到 OpenAI API 生态中。

​
快速开始

​
1. 安装 OpenAI SDK

pip install openai

​
2. 配置环境变量

国内用户使用 https://api.minimaxi.com/v1，国际用户使用 https://api.minimax.io/v1 
export OPENAI_BASE_URL=https://api.minimaxi.com/v1
export OPENAI_API_KEY=${YOUR_API_KEY}

​
3. 调用 API

Python
from openai import OpenAI

client = OpenAI()

response = client.chat.completions.create(
    model="MiniMax-M2",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hi, how are you?"},
    ],
    # 设置 reasoning_split=True 将思考内容分离到 reasoning_details 字段
    extra_body={"reasoning_split": True},
)

print(f"Thinking:\n{response.choices[0].message.reasoning_details[0]['text']}\n")
print(f"Text:\n{response.choices[0].message.content}\n")

​
4. 特别注意

在多轮 Function Call 对话中，必须将完整的模型返回（即 assistant 消息）添加到对话历史，以保持思维链的连续性：
  • 将完整的 response_message 对象（包含 tool_calls 字段）添加到消息历史
    • 原生的OpenAI API 的 MiniMax-M2，MiniMax-M2-Stable 模型 content 字段会包含 <think> 标签内容，需要完整保留
    • 在 Interleaved Thinking 友好格式中，通过启用额外的参数(reasoning_split=True)，模型思考内容通过 reasoning_details 字段单独提供，同样需要完整保留

​
支持的模型

使用 OpenAI SDK 时，支持以下 MiniMax 模型：
模型名称说明
MiniMax-M2专为高效编码与 Agent 工作流而生
MiniMax-M2-Stable更高并发，商业使用
更多模型信息请参考标准的 MiniMax API 接口文档。

​
示例代码

​
流式响应

Python
from openai import OpenAI

client = OpenAI()

print("Starting stream response...\n")
print("=" * 60)
print("Thinking Process:")
print("=" * 60)

stream = client.chat.completions.create(
    model="MiniMax-M2",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hi, how are you?"},
    ],
    # 设置 reasoning_split=True 将思考内容分离到 reasoning_details 字段
    extra_body={"reasoning_split": True},
    stream=True,
)

reasoning_buffer = ""
text_buffer = ""

for chunk in stream:
    if (
        hasattr(chunk.choices[0].delta, "reasoning_details")
        and chunk.choices[0].delta.reasoning_details
    ):
        for detail in chunk.choices[0].delta.reasoning_details:
            if "text" in detail:
                reasoning_text = detail["text"]
                new_reasoning = reasoning_text[len(reasoning_buffer) :]
                if new_reasoning:
                    print(new_reasoning, end="", flush=True)
                    reasoning_buffer = reasoning_text

    if chunk.choices[0].delta.content:
        content_text = chunk.choices[0].delta.content
        new_text = content_text[len(text_buffer) :] if text_buffer else content_text
        if new_text:
            print(new_text, end="", flush=True)
            text_buffer = content_text

print("\n" + "=" * 60)
print("Response Content:")
print("=" * 60)
print(f"{text_buffer}\n")

​
工具调用（Tool Use）和 Interleaved Thinking

了解如何在OpenAI SDK中使用M2的Tool Use和Interleaved Thinking能力，请参考以下文档。

M2 工具使用 & Interleaved Thinking

了解如何使用 MiniMax-M2 的工具调用和交错思考能力，提升模型在复杂任务中的表现。

​
注意事项

如果在使用MiniMax模型过程中遇到任何问题：
  • 通过邮箱 [email protected] 等官方渠道联系我们的技术支持团队
  • 在我们的 Github 仓库提交Issue
  1. temperature 参数取值范围为(0.0, 1.0]，推荐使用 1.0，超出范围会返回错误
  2. 部分 OpenAI 参数（如presence_penalty、frequency_penalty、logit_bias 等）会被忽略
  3. 当前不支持图像和音频类型的输入
  4. n 参数仅支持值为 1
  5. 旧版的function_call 已废弃，请使用 tools 参数

​
相关链接

​
推荐阅读

文本生成指南

支持通过 Anthropic 和 OpenAI 兼容接口进行文本生成调用

在 AI 编程工具里使用 MiniMax-M2

具备代码理解能力，适用于代码助手等场景。

Anthropic API 兼容（推荐）

通过 Anthropic SDK 调用 MiniMax 模型

M2 工具使用 & Interleaved Thinking

工具使用让 AI 模型调用外部 API。