Menu
MiniMax M2.5/M2.7 模型上下文测试套件，支持 Recall、筛选、数学、代码、推理多维度测试。触发词：MiniMax 测试、上下文测试、minimax-context-testing
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | context-test |
| description | MiniMax M2.5/M2.7 模型上下文测试套件，支持 Recall、筛选、数学、代码、推理多维度测试。触发词：MiniMax 测试、上下文测试、minimax-context-testing |
触发词/示例：
- MiniMax 模型测试
- 上下文测试
- minimax-context-test
- 测试 M2.5 的 Recall 能力
示例：
- "运行 MiniMax 128K 上下文测试"
- "测试 M2.7 的筛选能力"
- "对比 M2.5 vs M2.7 的数学计算"
gsd:workflow gsd:meta minimax-context-test minimax-testing Python 3, requests, minimax-api-call skill 测试用例准备完成 API 调用成功 结果对比完成 上下文大小：tiny(~1K)、small(~5K)、medium(~50K)、large(~100K)、128k(~250K) 测试维度：Recall、筛选、数学、代码、推理 使用 call_minimax.py 进行 API 调用 结果记录到 references/ 目录 </gsd:meta>
gsd:goal输入测试维度 → 执行测试用例 → 输出通过率与速度</gsd:goal>
<gsd:phase name="prepare" order="1"> gsd:step确定测试维度（Recall/筛选/数学/代码/推理）</gsd:step> gsd:step选择上下文大小</gsd:step> gsd:step选择测试模型</gsd:step> gsd:checkpoint测试准备完成</gsd:checkpoint> </gsd:phase>
<gsd:phase name="execute" order="2"> gsd:step构建测试 prompt（context + question）</gsd:step> gsd:step调用 MiniMax API</gsd:step> gsd:step对比预期结果，计算是否通过</gsd:step> gsd:step记录响应时间</gsd:step> gsd:checkpoint测试执行完成</gsd:checkpoint> </gsd:phase>
<gsd:phase name="report" order="3"> gsd:step汇总通过率</gsd:step> gsd:step计算平均速度</gsd:step> gsd:step记录到结果文件</gsd:step> gsd:checkpoint测试报告完成</gsd:checkpoint> </gsd:phase> </gsd:workflow>
MiniMax M2.5 / M2.7 / M2.5-HighSpeed 模型测试手册。
| Size | Characters | Tokens (est.) |
|---|---|---|
| tiny | ~1K | ~250 |
| small | ~5K | ~1.25K |
| medium | ~50K | ~12.5K |
| large | ~100K | ~25K |
| 128k | ~250K | ~128K |
context = "项目P001负责人张三，P002李四，P003王五。" * repeat
question = "P002负责人是谁？"
expected = "李四"
context = "张三3年，李四5年，王五2年，赵六4年。"
question = "工龄>=3年有哪些？"
expected = ["张三", "李四", "赵六"]
question = "100元打8折是多少钱？"
expected = "80"
context = "def hello(): return 'hi'\ndef world(): return 'world'"
question = "有哪些函数？"
expected = ["hello", "world"]
context = "A在B前面，B在C前面。"
question = "谁在最后？"
expected = "C"
# 运行快速测试 (默认 medium)
python3 references/full_test.py
# 运行所有测试 (指定上下文大小)
python3 references/full_test.py --all --context-size small
# 运行上下文测试
python3 references/full_test.py --ctx --context-size 128k
# 运行单个测试
python3 references/full_test.py --test filter_simple --model MiniMax-M2.5
| Model | Pass Rate | Speed |
|---|---|---|
| M2.5 | 80% | ~300字/秒 |
| M2.7 | 100% | ~180字/秒 |
| Model | Pass Rate | Speed |
|---|---|---|
| M2.5 | 80% | ~33字/秒 |
| M2.7 | 100% | ~93字/秒 |
| Astron | 100% | ~6字/秒 |
references/TEST_RESULTS.md - 详细测试结果references/TEST_128K.md - 128K 专项测试references/full_test.py - 测试脚本Karpathy's LLM Wiki: build/query interlinked markdown KB.
Use when parsing novel chapters into a structured knowledge base with chapter summaries, entity updates, change logs, memory points, and strict multi-step extraction/query/update discipline.
MiniMax API 调用指南，包含 M2.5/M2.7 模型选择、Python 调用示例、错误处理与性能对比。触发词：MiniMax API、调用 MiniMax、minimax-api
Use mmx to generate or analyze images via MiniMax (image-01 for generation, vision for understanding). Use when the user wants to generate images from text, analyze/describe images, extract text from images, check image content, or do character-consistent image generation. Triggers on "生成图片", "图片生成", "看图", "图片识别", "image generate", "describe image", "图片理解", "从图生图", "角色一致性".
一站式 MiniMax 图片生成封装脚本 mmx-image 的技能入口。 适用场景：（1）文生图（t2i）；（2）人物转换风格（i2i，保持同一人物特征）；（3）水印自动检测与裁剪；（4）参考图含 UI 元素时自动预清洗。 当用户说"生成图片"、"画一张图"、"把照片转成古风"、"人物换装"、或直接提供参考图要求 AI 基于该人物生成新图时使用此技能。
使用 mmx CLI 通过 MiniMax AI 生成音乐和歌曲翻唱。当用户想要创作音乐、生成歌曲、制作背景音乐（BGM）、创作器乐曲、翻唱歌曲，或提到"生成音乐"、"作曲"、"BGM"、"music generate"、"music cover"时使用。