小戴先生
Login
NVIDIA DGX OS 7MiniMax-M2.5OpenClawIronClaw中文教程

Dell Pro Max GB10 × OpenClaw / IronClaw本地部署 MiniMax-M2.5 完整教程

在 Dell Pro Max GB10 的 NVIDIA DGX OS 7 系统上，通过 Ollama 或 vLLM 部署 MiniMax-M2.5，并接入 OpenClaw（效率优先）或 IronClaw（安全优先）智能体框架，实现 100% 本地化、零 token 费用的 AI 智能体工作流。

Dell Pro Max GB10 硬件规格型号：FCM1253
产品
Dell Pro Max GB10
型号
FCM1253
CPU
NVIDIA GB10 Grace CPU（10 Cortex-X925 + 10 Cortex-A725 核心）
GPU
NVIDIA GB10 Blackwell GPU
内存
128GB LPDDR5X
存储
2TB M.2 2230，QLC PCIe Gen4
操作系统
NVIDIA DGX OS 7
智能体
OpenClaw / IronClaw
本地模型
MiniMax-M2.5、Qwen3.5 27b

为什么选择 Dell Pro Max GB10？

  • ●128GB 统一内存可完整载入 MiniMax-M2.5 Q3 量化版（101GB），无需 SSD 交换
  • ●Blackwell GPU 架构，推理速度可达 20+ tokens/s
  • ●DGX OS 7 预装完整 CUDA 环境，开箱即用，无需手动配置驱动
  • ●数据完全本地处理，满足企业级数据安全合规要求
  • ●可同时运行 Qwen3.5 27B 等辅助模型，构建本地多 Agent 团队
  • ●IronClaw 沙箱隔离，提供接近企业级的安全执行环境

部署流程概览

① 选择部署方式→
② 安装 Ollama 或 vLLM→
③ 下载 MiniMax-M2.5→
④ 扩展上下文（32K）→
⑤ 安装 OpenClaw / IronClaw→
⑥ 配置接入本地模型→
⑦ 验证 & 开始使用
一

使用 Ollama 部署 MiniMax-M2.5

最简单的本地部署方案，一条命令完成模型管理，自动提供 OpenAI 兼容 API

ℹ️Dell Pro Max GB10 搭载 NVIDIA DGX OS 7（基于 Ubuntu 的系统）。以下命令均在终端（Terminal）中以普通用户或 sudo 执行。
步骤 1安装 Ollama

DGX OS 7 是 Ubuntu-like 系统，直接使用官方一键安装脚本：

bash
curl -fsSL https://ollama.com/install.sh | sh

安装完成后验证版本：

bash
ollama --version

Ollama 服务默认随系统启动。手动检查服务状态：

bash
sudo systemctl status ollama
💡若服务未启动，执行 sudo systemctl start ollama 启动服务，并可用 sudo systemctl enable ollama 设为开机自启。
步骤 2拉取 MiniMax-M2.5 模型

方案 A（推荐）：直接从 Ollama 库拉取云版，原生支持 Subagents 并行能力：

bash
ollama pull minimax-m2.5:cloud
⚠️MiniMax-M2.5 参数量约 230B，Q3 量化版约 101GB。请确保 2TB SSD 有足够空间，并预留充足下载时间。

方案 B：通过 Hugging Face 下载 Unsloth GGUF 量化版（更灵活的版本选择）：

bash
# 安装工具
pip install -U huggingface_hub hf_transfer

# 启用高速传输
export HF_HUB_ENABLE_HF_TRANSFER=1

# 下载 UD-Q3_K_XL 版本（约 101GB，推荐）
hf download unsloth/MiniMax-M2.5-GGUF \
    --local-dir ~/models/MiniMax-M2.5-GGUF \
    --include "*UD-Q3_K_XL*"

下载完成后，创建 Modelfile 并导入 Ollama：

bash
# 创建 Modelfile
cat > ~/Modelfile << 'EOF'
FROM ~/models/MiniMax-M2.5-GGUF/UD-Q3_K_XL/MiniMax-M2.5-UD-Q3_K_XL-00001-of-00004.gguf
PARAMETER num_ctx 32768
PARAMETER temperature 1.0
PARAMETER top_p 0.95
PARAMETER top_k 40
EOF

# 导入为自定义模型
ollama create minimax-m2.5:32k -f ~/Modelfile
步骤 3扩展上下文窗口（OpenClaw 必须）

OpenClaw 要求模型上下文窗口 ≥ 16000 tokens。若使用方案 A 的 cloud 版，同样需要创建自定义模型：

bash
# 为 cloud 版创建 32k 上下文模型
echo -e "FROM minimax-m2.5:cloud\nPARAMETER num_ctx 32768\nPARAMETER temperature 1.0\nPARAMETER top_p 0.95\nPARAMETER top_k 40" > ~/Modelfile

ollama create minimax-m2.5:32k -f ~/Modelfile

# 验证模型列表
ollama list

# 验证参数
ollama show minimax-m2.5:32k --modelfile

验证 Ollama API 正常响应：

bash
curl http://localhost:11434/api/tags

应返回包含 minimax-m2.5:32k 的 JSON 列表。

步骤 4快速测试推理
bash
ollama run minimax-m2.5:32k "你好，请用一句话介绍你自己。"
✅GB10 Blackwell GPU 配合 128GB 统一内存，运行 101GB 的 MiniMax-M2.5 Q3 量化版预计可达 20+ tokens/s。

参考资料：NVIDIA DGX OS 7 用户指南·Ollama 官网·MiniMax-M2.5 GGUF（Unsloth）·vLLM 文档

MiniMax-M2.5：230B 参数（10B 激活），200K 上下文，SWE-Bench Verified 80.2%，原生支持 Subagents 并行处理。