El nuevo modelo de codificación M2.5 de MiniMax lidera el benchmark con un precio del 5%

El laboratorio chino de IA MiniMax acaba de lanzar M2.5, un modelo de lenguaje grande construido desde cero para codificación y tareas de agente. La compañía lo denomina una jugada de 'Universo de Agentes', y los resultados de rendimiento respaldan la ambición: el modelo ahora lidera la industria en el benchmark multilingüe de programación Multi-SWE-Bench. the-verification-horizon-why-rewarding-coding-agents-is-getting-harder

Rendimiento en benchmarks y destreza en codificación

M2.5 obtiene resultados de vanguardia en Multi-SWE-Bench, superando a todos los modelos anteriores en múltiples lenguajes de programación. MiniMax también informa que, en tareas de agente, el modelo muestra mayor madurez en la toma de decisiones, necesita menos rondas de búsqueda y utiliza los tokens de manera más eficiente. Eso importa porque un agente de codificación que desperdicia tokens es un agente que quema presupuesto. why-your-ai-agent-might-ace-the-task-but-flunk-the-process-enter-skillcoach

Ganancias de espacio de trabajo y productividad

En tareas de espacio de trabajo de alta complejidad, crear documentos de Word, construir presentaciones de PowerPoint, realizar modelos financieros en Excel, , M2.5 promedió una tasa de victorias del 59% frente a los modelos convencionales. La compañía atribuye esto a optimizaciones de aprendizaje por refuerzo que enseñaron al modelo a descomponer tareas complejas y gestionar los tokens de pensamiento de manera más efectiva. Esto le otorga una ventaja tanto en velocidad como en coste para flujos de trabajo de múltiples pasos. gui-agents-beat-cli-in-desktop-tasks-but-skill-coverage-holds-the-key

Precio y disponibilidad

M2.5 viene en dos niveles: una versión estándar que ofrece 100 tokens por segundo y un nivel de alta velocidad a 50 TPS. El precio de salida se sitúa entre una décima y una vigésima parte de lo que cobran modelos comparables, según MiniMax. La compañía afirma que un presupuesto anual de aproximadamente 10.000 yuanes (unos 1.400 dólares) puede mantener múltiples agentes funcionando 24/7, lo que permite lo que denomina implementaciones de agentes a gran escala sin restricciones de coste. Los pesos del modelo son de código abierto en HuggingFace. one-million-tokens-four-flagships-the-real-benchmark-is-what-you-can-actually-use

Demostraciones prácticas

MiniMax mostró una demostración de un solo paso en la que M2.5 generó un código de invitación personalizado para un servicio de suscripción. El ejemplo destacó la capacidad del modelo para manejar datos estructurados y producir resultados personalizados sin múltiples intentos.

El lanzamiento posiciona a M2.5 como un contendiente serio en el espacio cada vez más concurrido de los LLM de codificación, especialmente para desarrolladores y empresas que desean alto rendimiento sin el precio de nivel empresarial. how-local-llms-like-gemma-and-qwen-are-taming-open-source-repository-triage-at-scale