MiniMax 发布 M2.5 模型：主打真实生产力，连续跑一小时只要 1 美元

让大模型像员工一样干活，最大的阻碍往往不是它够不够聪明，而是钱包受不受得了。

MiniMax 正式发布了新一代基座模型 MiniMax-M2.5。这家国内大模型厂商把核心卖点直接摆在桌面上：不做虚无缥缈的跑分怪兽，专攻现实世界生产力，同时把调用成本打到了「不用再盯着计费面板」的水平。

在基准测试里，M2.5 在 SWE-Bench Verified 取得了 80.2% 的成绩，Multi-SWE-Bench 拿到 51.3%，BrowseComp 则为 76.3%。更抓人眼球的是速度与价格：跑完 SWE-Bench Verified 的端到端任务只需 22.8 分钟，与 Claude Opus 4.6 的 22.9 分钟平起平坐，但单任务成本只有后者的十分之一。

像架构师一样写代码，少废话多干活

写代码一直是大模型最硬核的考场。M2.5 在训练中覆盖了 Go、Rust、TypeScript、Python 等十余种语言和超过 20 万个真实环境。

MiniMax 提到，训练过程中模型自然涌现出了一种「写 Spec 的倾向」。在动笔写代码前，它会先像经验丰富的软件架构师一样，主动拆解项目的功能、结构和界面设计，覆盖从系统架构搭建、功能迭代到最终代码审查的全流程。

在代码智能体通用能力上，M2.5 在 Droid 测试中拿到 79.7 分，在 OpenCode 上拿到 76.1 分，两项都微幅压过 Opus 4.6。而在全新的 VIBE Pro 评测中，表现与 Opus 4.5 相当。

除了写代码，在搜索和办公任务上，M2.5 也有明显变化。模型学会了用更少的步数解决问题，在多项 Agent 评测中，交互轮次比上一代 M2.1 减少了约 20%。针对金融建模、PPT、Word 等专业场景，MiniMax 找来金融与法律人士打磨数据，在内部 GDPval-MM 评测里拿到了 59.0% 的平均胜率。

100 TPS 的超低价，背后是 RL 算力堆叠

这次上线的版本分为两款：标准版 M2.5 和满速版 M2.5-Lightning。两者的核心能力完全相同，差别在于推理速度与定价。

M2.5-Lightning 提供每秒 100 token 的吞吐，输入每百万 token 收费 0.3 美元，输出每百万 token 2.4 美元。以 100 TPS 满速持续跑一整小时，账单正好是 1 美元。

而 50 TPS 的 M2.5 价格直接减半。换算下来，只要 1 万美元，就能让 4 个 M2.5 实例连续无休地跑满整整一年。MiniMax 表示，从输出端价格来看，其成本大概只有 Opus、Gemini 3 Pro 和 GPT-5 的十分之一到二十分之一。

性能与速度的提升主要来自强化学习。MiniMax 自研了名为 Forge 的智能体原生强化学习框架，解耦了训练推理引擎和智能体框架，利用树状样本合并实现了约 40 倍的训练加速。同时，他们配合 CISPO 算法稳定 MoE 训练，并用过程奖励机制解决长流程智能体的信用分配问题。

目前，M2.5 已经完整接入 MiniMax 自家的 MiniMax Agent，将其信息处理能力固化为标准的办公技能。

为什么重要

长期以来，限制 Agent 大规模落地的最大门槛就是推理成本和反应延迟。让 AI 完整接管一个编程任务动辄消耗数百万 token，换算成顶尖旗舰模型的账单，开发者和中小团队根本吃不消。

M2.5 的核心价值在于，它把接近第一梯队的 Agent 解决能力，塞进了一个极其廉价且高速的管道里。对于独立开发者、自动化业务团队来说，现在拿它去搭建 7x24 小时不间断巡检的自动化运维、全天候抓取分析特定行业信息的爬虫，或是自动重构代码的流水线，成本已经低到可以忽略不计。

我们认为，MiniMax 这一步走得相当精准。它没有盲目去卷通用综合大模型的话语权，而是盯紧了「生产力工具」这个最能产生直接商业价值的切口。用极低的单价加上 100 TPS 的响应速度，精准击中企业客户最在意的投产比，也势必会迫使海外头部厂商在 API 定价上继续承受降价压力。

不过，也有值得留意的地方。虽然跑分成绩十分亮眼，但模型在极为生僻的私有技术栈或复杂长线业务决策中，能否稳定输出可交付的工程级成果，依然需要开发者在生产环境中实际检验。但至少在现阶段，只要你有重度的 Agent 调用需求，它绝对值得第一时间接入测试。