用途： 这是 MiniMax AI 平台的官方 CLI，为 AI 智能体设计，可从任意智能体或终端生成文本、图像、视频、语音，并支持音乐生成。
主要能力：
- 文本：多轮对话、流式输出、系统提示词、JSON 输出。
- 图像：文生图，支持宽高比与批量控制。
- 视频：异步视频生成，带进度跟踪。
- 语音：TTS（30+ 音色、语速控制、流式播放）；语音转文字（json、verbose_json、srt、vtt）。
- 视觉：图像理解与描述。
- 搜索：由 MiniMax 提供的网页搜索。
- 双区域：无缝支持 Global（api.minimax.io）与 CN（api.minimaxi.com）。
使用方式：
- 需要 Node.js 18+，并需要 MiniMax Token 套餐（Global · CN）。
- 文本聊天与文本 repl 默认使用 MiniMax-M3.1-Flash-Preview；显式 --model 或已保存的默认 text-model 优先。该预览版需要 M Plan 或 MiniMax Code；按量付费 key 需显式选择 MiniMax-M3。
- 认证：OAuth 使用设备授权授予（RFC 8628）与 PKCE，CLI 打开浏览器、输入代码，access_token + refresh_token 保存到 ~/.mmx/config.json，令牌自动刷新（5 分钟缓冲），也可 mmx auth refresh 手动刷新。API Key 认证会探测 Global 与 CN 自动识别区域，适合 CI/CD（mmx auth login --api-key sk-xxxxx），也可按命令通过 --api-key 传入。OAuth 与 API Key 互斥，用一种登录会清除另一种；凭据优先级：--api-key 参数 > OAuth（config）> api_key（config）。mmx auth status 是验证当前认证状态的标准方式。
- 配置与配额：mmx config、mmx quota。
- 智能体配置：mmx agent setup 可为 Claude Code、Codex、Grok Build、OpenCode、Hermes、Pi 或 Oh my Pi 配置 MiniMax，并保留无关设置。无参数运行进入交互向导；提供参数则非交互，适合脚本。对订阅 key 默认 MiniMax-M3.1-Flash-Preview，对按量付费 key（sk-api-...）默认 MiniMax-M3；非交互模式可用 --model 覆盖。写入前会验证 key 与所选区域，修改已有文件会备份，--dry-run 可在不发起真实请求的情况下预览。交互向导中，PATH 中缺失的兼容智能体可从第二个多选列表用其官方包或安装脚本安装；Hermes 安装使用其官方核心 CLI 阶段，跳过可选系统包、Node workspace、浏览器、computer-use、setup 与 gateway 阶段。安装后 mmx 会在保留安装器设置的前提下应用 MiniMax 配置；未通过平台或前置条件检查的智能体会被解释并仅做配置。非交互调用仅做配置，命令不会启动智能体。Oh my Pi 使用原生的 ~/.omp/agent/models.yml 与 config.yml（已有 .yaml 会就地更新），配置遵循 OMP_PROFILE / PI_PROFILE、PI_CONFIG_DIR 以及默认 profile 的 PI_CODING_AGENT_DIR 覆盖；使用 setup 前先运行一次 omp 以迁移旧版仅 JSON 配置；交互式安装使用官方预构建二进制安装器，不需要 Bun 或 npm。
限制：
- MiniMax-H3 会对本地文件与 Base64 data URI 做预检：图像 30 MB、参考视频 50 MB、参考音频 15 MB、JSON 请求体总计 64 MB；API 会校验所有媒体的尺寸、宽高比、时长、帧率和编解码器。--region 是既有全局 CLI 选项，不是 H3 参数；普通视频生成不需要它，CLI 使用已保存或自动检测的区域。H3 文生视频默认 2K、5 秒、16:9。
- mmx speech transcribe 接受 wav、aiff、flac、m4a、mp3、aac、opus、ogg，最大 50 MB、500 秒；超过 50 MB 会在上传前被本地拒绝，500 秒限制由 API 执行。省略 --language 启用混合语言识别。--response-format json（默认）打印转写文本，verbose_json 增加说话人与分段计时，srt / vtt 返回字幕文档；n_speakers 与 segments 属于响应内容，需 --output json 才能看到。--stream 打印增量文本且要求 json；当 stdout 不是终端时会累积为单个 JSON 结果，除非传入 --output text。mmx speech recognize 是 mmx speech transcribe 的别名。
- /v1/coding_plan/search API 每次调用最多返回 10 条结果，当前未提供分页参数；若需不同结果请细化查询。
- 维护者通过推送 SemVer Git 标签发布版本，发布工作流从该标签推导 npm 包版本。
