MiniMax M2.5：为实际生产力而生
来自 MiniMax Blog · 期号 2026-02-12
摘要
MiniMax 发布新一代模型 M2.5，主打实际生产力场景。 模型在 SWE-Bench Verified 上得分 80.2%，Multi-SWE-Bench 51.3%，BrowseComp（带上下文管理）76.3%。完成 SWE-Bench 评测比前代 M2.1 快 37%，速度与 Claude Opus 4.6 相当。 M2.5 在编程、搜索与工具调用、办公三大场景均有提升。编程方面，模型在写代码前会像架构师一样先做规划和设计；搜索方面，用更少的搜索轮次（比 M2.1 少约 20%）取得更好结果；办公方面，与金融、法律等领域专家合作训练，能生成可直接交付的 Word、PPT、Excel 文件。 成本是最大亮点。M2.5 输出价格是 Opus、Gemini 3 Pro、GPT-5 的十分之一到二十分之一。以每秒 100 token 的速率连续运行一小时仅需 1 美元。 模型有两个版本：M2.5（50 token/秒）和 M2.5-Lightning（100 token/秒），能力相同，速度不同。两者均支持缓存。 MiniMax 自研的 RL 框架 Forge 支撑了模型训练，实现了约 40 倍的训练加速。公司内部 30% 的任务已由 M2.5 自主完成，新提交代码中 80% 由 M2.5 生成。
深读
导读 MiniMax 发布新一代模型 M2.5，主打实际生产力场景，在编程、搜索与工具调用、办公三大领域达到前沿水平。模型最大的亮点是成本极低，输出价格仅为 Claude Opus、Gemini 3 Pro、GPT-5 的十分之一到二十分之一，同时速度与 Opus 4.6 相当。读完本文可以了解 M2.5 在关键基准上的具体成绩、成本优势的来源，以及 MiniMax 在强化学习规模化上的技术路线。 关键信息 - SWE-Bench Verified 得分 80.2%，Multi-SWE-Bench 得分 51.3%，BrowseComp（带上下文管理）得分 76.3%。 - 完成 SWE-Bench 评测比前代 M2.1 快 37%，平均每任务耗时 22.8 分钟，与 Claude Opus 4.6 的 22.9 分钟持平。 - 成本极低：M2.5 输出价格为每百万 token 2.4 美元（M2.5-Lightning 版），是 Opus、Gemini 3 Pro、GPT-5 的十分之一到二十分之一；以每秒 100 token 速率连续运行一小时仅需 1 美元。 - M2.5 在编程前会主动进行架构设计，训练覆盖超过 10 种编程语言（含 Go、Rust、Kotlin 等）和 20 万+真实环境。 - 搜索场景中 M2.5 比 M2.1 少用约 20% 的搜索轮次，在 BrowseComp、Wide Search、RISE 等基准上均取得更好结果。 - MiniMax 内部 30% 的日常任务已由 M2.5 自主完成，新提交代码中 80% 由 M2.5 生成。 逐节讲解 模型定位与核心成绩 MiniMax 将 M2.5 定位为面向真实世界生产力的前沿模型，强调用户无需担心成本。模型在三个关键基准上达到 SOTA：SWE-Bench Verified 80.2%、Multi-SWE-Bench 51.3%、BrowseComp（带上下文管理）76.3%。完成 SWE-Bench 评测比前代 M2.1 快 37%，速度与 Claude Opus 4.6 相当。成本方面，以每秒 100 token 的速率连续运行一小时仅需 1 美元，若降至 50 token/秒则成本为 0.3 美元。 编程：从架构设计到全栈交付 M2.5 在编程方面的关键改进是学会了像架构师一样先做规划和设计，在写代码前主动分解项目特征、结构和 UI 设计。训练覆盖超过 10 种编程语言（包括 Go、C、C++、TypeScript、Rust、Kotlin、Python、Java、JavaScript、PHP、Lua、Dart、Ruby），在 20 万+真实环境中训练。模型能覆盖完整开发生命周期：从系统设计、环境搭建，到系统开发、功能迭代，再到代码审查和系统测试，涵盖 Web、Android、…