MiniMax 新模型 M2.5 编程基准测试夺冠，价格仅为竞争对手的 5%

中国人工智能实验室 MiniMax 刚刚推出了 M2.5，一个从头构建、专攻编程和代理任务的大型语言模型。该公司将此称为“Agent Universe”战略，而性能数据确实支撑了这一雄心：该模型如今在多语言编程基准测试 Multi-SWE-Bench 上领先业界。 the-verification-horizon-why-rewarding-coding-agents-is-getting-harder

基准测试表现与编程能力

M2.5 在 Multi-SWE-Bench 上取得了业界领先的成绩，超越了此前所有模型，涵盖多种编程语言。MiniMax 还报告称，在代理任务上，该模型展现出更高的决策成熟度，所需搜索轮次更少，且更高效地使用令牌。这一点至关重要，因为浪费令牌的编程代理就是烧钱的代理。 why-your-ai-agent-might-ace-the-task-but-flunk-the-process-enter-skillcoach

工作空间与生产力提升

在高度复杂的工作空间任务中，例如创建 Word 文档、制作 PowerPoint 演示文稿、进行 Excel 财务建模，M2.5 的平均胜率达到 59%，超越了主流模型。该公司将此归功于强化学习优化，这些优化教会了模型分解复杂任务并更有效地管理思考令牌。这使得模型在多步骤工作流中兼具速度和成本优势。 gui-agents-beat-cli-in-desktop-tasks-but-skill-coverage-holds-the-key

定价与可用性

M2.5 提供两个版本：标准版每秒输出 100 个令牌，高速版每秒输出 50 个令牌。据 MiniMax 称，输出定价仅为同类模型的十分之一到二十分之一。该公司声称，每年约 10,000 元（约合 1,400 美元）的预算即可让多个代理全天候运行，从而实现所谓的“成本无约束的大规模代理部署”。模型权重已在 HuggingFace 上开源。 one-million-tokens-four-flagships-the-real-benchmark-is-what-you-can-actually-use

实际演示

MiniMax 展示了一段单次通过的演示，其中 M2.5 生成了某个订阅服务的个性化邀请码。这个例子突显了模型处理结构化数据并无需多次尝试即可生成定制化输出的能力。

此次发布将 M2.5 定位为日益拥挤的编程大模型领域中的有力竞争者，尤其适合那些追求高性能但不想付出高昂企业成本的开发者和企业。 how-local-llms-like-gemma-and-qwen-are-taming-open-source-repository-triage-at-scale