MiniMax M2.5 指南：工作原理、使用场景与更多

在中美科技紧张关系与来自中国的高性价比模型（如智谱的 GLM-5、Moonshot 的 Kimi K2.5）崛起的背景下，又一位新玩家凭借以极低成本取得的 SOTA 基准成绩而脱颖而出。

MiniMax 2.5 模型之所以重要，部分原因在于价格。它体现了行业正迈向“智能便宜到无需计量”的趋势——这是对一则关于核能的旧说法的再诠释。

MiniMax 2.5 提供两个变体：完整版本 M2.5，输出速度 50 tokens/秒；以及我认为相当惊人的 Lightning 版本，输出速度达 100 tokens/秒。除速度差异外，两者能力相同。

本文将解释 M2.5 是什么及其关键特性，帮助您构思自己的测试思路，并提供与最新 GPT 与 Gemini 模型的坦诚对比。

什么是 MiniMax M2.5？ 

MiniMax M2.5 是上海 MiniMax AI 推出的最新开源权重大语言模型。它主要在 2026 年 2 月 12 日宣布发布，就在公司香港 IPO 数周之后。

MiniMax AI 面向真实的生产力场景，因此在编码、代理式工具调用、网页搜索与办公自动化方面表现出色。M2.5 通过在超过 20 万个复杂环境中的强化学习进行训练，使其具备如同软件架构师般的规划能力并能自主执行。

MiniMax M2.5 的关键特性

这款新模型具备多项特性，使其相较其他 LLM 更具亮点。本节将列举其中一些。

多语言编码支持

MiniMax M2.5 采用稀疏数据集训练，能够在多种全栈开发环境中处理超过 10 种编程语言，如 Python、Rust、Java、Go 等。其技能覆盖从系统设计到代码审查，并适用于 Web、Android、iOS 与 Windows 应用。

代理式工具使用与搜索

M2.5 模型在多轮函数调用任务上以 76.9% 的 BFCL 成绩领跑，在网页导航上以 76.3% 的 BrowseComp 成绩表现强劲，同时相比前代减少 20% 的回合数，以更高效的任务分解完成工作。

办公生产力集成

除代理式工具与搜索能力外，M2.5 能为 Word、PowerPoint 和 Excel 生成格式化输出，例如在 GDPval-MM 基准上，以 59% 的胜率优于主流模型的财务模型场景。

效率与强化学习训练

借助 Forge RL 框架与 CISPO 算法，它在消耗更少 token 的同时，比 M2.1 快 37% 完成任务，具体为每个 SWE-Bench 任务消耗 3.52M token。

MiniMax M2.5 上手体验 

我决定亲自测试一下 MiniMax M2.5。受其在代理式工具调用与搜索方面的强势表现以及对办公效率的专注所启发，我给它安排了一项我认为很可能出现在工作中的研究任务。

我使用了下面这个提示，旨在汇总大型主权财富基金的信息。要编制这张表，MiniMax M2.5 需要从不同来源综合研究结果。请注意，我还让它查找相关国家的基尼系数——我非常怀疑这会出现在各主权财富基金的官网上。

我通过访问各自网站对信息进行了抽查。

For each of the five largest sovereign wealth funds by AUM, find the following: the fund's name and country, current AUM, current CEO or equivalent, when that person took the role, the fund's reported return in their most recent annual report, and the Gini coefficient of the country. Compile into a table with sources for each figure.

这只是一个小而实用的测试。MiniMax 2.5 很好地把多个来源的研究综合成了一张准确的表格。

接下来，我仔细查看了独立演示与基准，以了解更多展示案例。

全栈 Web 开发

您也可以将 M2.5 用于软件工程任务的深入测试，观察它在限定范围内如何规划与执行。我建议使用如下提示：

Build a React app with Node.js backend for user authentication, including database schema.

M2.5 会先输出以规格为先的完整计划，包括 UI 线框与 API 端点。随后会生成 1200+ 行 TypeScript/JavaScript 代码。测试在 22 分钟的首次运行中即通过，比 Claude Opus 4.6 的平均速度更快。最终产出是一个带有 JWT 认证与 MongoDB 集成的可用应用。

该图展示了在 MiniMax Agent 环境中使用 M2.5 模型的示例与提示。

Excel 财务建模

要测试它的文档生成能力，您可以尝试如下提示：

Create an Excel model for startup valuation using DCF, with sensitivity analysis

M2.5 旨在输出包含可用公式与图表的格式化文件。这与其在 GDPval-MM 基准上的强势表现相符。（我会在下一节更多提到这些基准。）

MiniMax 在办公生产力技能上投入了真功夫，以便完成诸如在 Excel 中构建财务模型等实用任务。团队与金融、法律与社会科学领域专家直接合作，构建反映真实行业标准而非通用模板的训练数据。

一个不错的后续测试是给它一份故意含糊或规格不足的简报。想一想一位合伙人可能给初级分析师的提示。看看它是否会提出澄清问题，或做出合理假设并加以标注。

SVG 生成与推理

这里值得关注的是 M2.5 如何启动任务。

发布说明中一个更有趣的点在于：规格撰写行为在训练中自然涌现。正如我提到的，在生成任何代码之前，M2.5 往往会从软件架构师角度分解项目并规划结构、UI 设计与 API 端点。

这种规划是否确实带来更好的输出，我还在继续自行评估。

MiniMax M2.5 与 MiniMax Agent 平台

MiniMax 将 M2.5 集成在其代理平台中，非开发者也能通过所谓的预构建专家立即使用其能力。这些是为特定任务配置的专业代理。平台的工作方式类似应用商店：按类别浏览专家，选择后即可获得开箱即用的工作流代理。

截至发布时，最常用的专家包括 Landing Page Builder、PPTX Maker、Excel Processor 等，确实实用。综合来看，不难理解 MiniMax 在办公生产力方面的口碑从何而来。

更有意思的是社区层。用户可以构建并发布自己的专家。据称已创建超过 1 万个。

MiniMax M2.5 基准测试 

M2.5 在与编码与代理工作最相关的基准上呈现强劲数据。它在 SWE-Bench Verified（真实世界 GitHub issue 解决测试）中取得 80.2% 的成绩，同时完成任务的速度比前代 M2.1 快 37%。

在多语言与跨仓库任务上，它以 51.3% 获得 Multi-SWE-Bench 第一名。发布时，其在 BrowseComp 上的 76.3% 使其跻身网页搜索与研究任务的顶尖模型之列，但排行榜随后发生了变化。Gemini 3.1 Pro 现以 85.9% 领跑，Claude Opus 4.6 以 84.0% 其次，GPT-5.2 Pro 为 77.9%。Gemini 3.1 Pro 与 Opus 4.6 都在 M2.5 发布后一周内推出，这很好地说明了前沿进展的速度之快。

此外，它在用于代理编码的 Droid 基准上拿到 79.7%，并在 OpenHands 指数的长时任务（如应用构建）上位列第 4。

这张图能更直观地查看 M2.5 的评分结果。

我如何访问 MiniMax M2.5？ 

主要有 3 种方式使用该模型，您可以：

• 开源权重：基本可从 Hugging Face 下载，并用 vLLM、SGLang、Ollama 等在本地部署。GGUF 量化版本适配消费级硬件。
• API 访问：通过官方网站获取 Lightning 版本，输入 $0.3/M token、输出 $2.4/M token。这意味着以 100 tokens/秒不间断可实现每小时 $1。支持缓存，并提供面向高用量的企业方案。
• 集成：与 VS Code、Cline CLI 或 Fireworks AI 等不同 IDE 的即日起集成支持。

当然，权重本身没有免费层限制，但 API 采用基于用量的计费。

MiniMax M2.5 对比竞品

M2.5 面向编码与代理细分领域，同时以相当的性能压低成本。以下是对比：

这些数据来自官方评测与 Artificial Analysis，以及阅读其他模型的近期发布信息。M2.5 在效率与开放性上取胜，但封闭模型在广泛知识面上略占优势。

MiniMax M2.5 表现如何？ 

从更广的行业背景看，M2.5 在面向特定生产力方面表现异常出色。其 80.2% 的 SWE-Bench 成绩与 $1/小时的定价，的确可能撼动因成本壁垒而放缓采用的企业级 AI。开放权重的做法在前沿编码领域是个游戏规则改变者，也对封闭模型的护城河形成了实质压力。

这一点在 BrowseComp 上尤为明显：M2.5 以 76.3% 领跑所有开源权重模型——领先于 GLM-5 与 Kimi K2.5，尽管它们的规模都更大。排在其前面的四个模型均为专有模型，这从侧面体现了 MiniMax 以 MIT 许可发布所取得的成绩。

其专注于代理能力也使其在“代理经济”中具备良好定位，在那里自主性与效率比单纯规模更重要。

话虽如此，M2.5 也有不足。它在创造性推理方面落后于更通用的模型，这在 Artificial Analysis Intelligence Index 的 42/100 分中有所体现。它是专家型，而非全能型。

如果要给分，我会给开发者场景 A+，通用场景 B+。值得关注可能大幅扩展其适用范围的微调版本。

MiniMax M2.5 使用场景 

该模型有许多可定制的使用场景。比如，MiniMax M2.5 可用于软件工程任务，如自动化 GitHub PR、修复缺陷、以及完整应用开发。（据称，MiniMax 自身 80% 的源代码由 AI 生成！）

MiniMax M2.5 也可用于企业办公，例如为金融或法务团队进行财务建模、报告生成、PPT 编辑。此外，您还可以通过 MiniMax Agent 平台为研究或销售构建自定义 AI 专家代理。

结论

MiniMax M2.5 兼具前沿代理能力与开放可及性，并以足以重塑 AI 经济学的价格，有望成为生产力“利器”。

若想获得更多上手体验，请查看我们的 AI for Developers 课程。今天就开始试验吧，因为可负担智能的未来已然到来。