MiniMax M2.5：高效智能体模型的技术与商业革新

本文基于Minimax官方发布的博客及编辑整理的技术发展路径，由Minimax 2.5撰写，仅对显著错误进行了删除，并添加了当日股价变化，旨在测试Minimax的写作能力。

一、模型定位与核心能力

2026年2月，MiniMax发布了新一代旗舰模型M2.5。据官方信息，M2.5是一款经过海量真实环境强化学习训练的大模型，在编程、智能体工具使用、搜索及办公生产力等高价值经济任务中领先行业。在SWE-Bench Verified测试中，M2.5获得80.2%的得分；在Multi-SWE-Bench中，得分为51.3%；在BrowseComp（含上下文管理）中，得分为76.3%。

M2.5在复杂智能体任务的执行效率上实现显著提升。完成SWE-Bench Verified评估的速度比M2.1快37%，与Claude Opus 4.6持平。这一提升主要得益于模型在任务分解和推理效率方面的优化。

MiniMax表示，M2.5是M系列模型的最新迭代，延续了M2.1的核心技术框架。

从M1到M2.5，技术发展脉络清晰：M1专注于推理深度突破；M2聚焦高效编码和智能体工作流；M2.5在此基础上强化了多场景应用能力。它是M2.1的工程优化和能力增强，而非全新技术范式。

二、技术框架分析：延续与工程优化

2.1 整体架构设计

M2.5采用与M2相同的混合专家模型（MoE）架构，总参数规模达2300亿，但推理时仅激活100亿参数。这种“极端稀疏性”设计旨在实现“小激活、大智慧”的计算效率。

从演进视角看，M2.5框架基本延续M2.1。M2.1强化多语言编程能力，解决跨语言逻辑对齐问题；M2.5在此基础上优化编程、工具调用、搜索增强（RAG）及办公生产力场景表现。这表明M2.5架构未发生根本变革，而是工程更新和能力扩展。

2.2 Forge智能体原生强化学习框架

M2.5延续名为Forge的智能体原生强化学习框架。该框架自M2.1推出以来，引入中间层将底层训练-推理引擎与智能体完全解耦，支持任意智能体集成，优化模型在不同智能体脚手架和工具间的泛化能力。

在优化系统吞吐量方面，Forge采用异步调度策略平衡系统吞吐量与样本偏离度。此外，设计树状结构合并策略用于训练样本处理，据官方称实现约40倍训练加速。这一工程优化显著提升大规模强化学习训练效率。

2.3 强化学习算法与奖励设计

M2.5继续采用MiniMax于2024年初提出的CISPO算法，确保MoE模型在大规模训练过程中的稳定性。

针对智能体rollout中长上下文带来的信用分配挑战，M2.5引入过程奖励机制监控生成质量。此外，通过智能体轨迹评估任务完成时间，实现模型智能与响应速度间的最优权衡。

2.4 训练数据与评估体系

M2.5训练覆盖超过10种编程语言及20万个真实场景，确保模型在多元化开发环境中的泛化能力。

在办公场景方面，M2.5整合金融、法律和社会科学等领域专家知识。这些专家不仅设计需求、提供反馈、参与标准定义，还直接参与数据构建，将各自行业的隐性知识融入模型训练流程。

MiniMax构建内部Cowork Agent评估框架（GDPval-MM），通过成对比较评估交付物质量和智能体轨迹专业性，同时监控工作流程token消耗，估算模型实际生产效率提升。

三、性能表现与基准测试

3.1 编程能力

据官方数据，M2.5在多项编程评估中领先行业。在SWE-Bench Verified测试中得分80.2%；在Multi-SWE-Bench测试中得分51.3%。

M2.5在跨分布harness的泛化能力上表现优异。在不同编程智能体harness对SWE-Bench Verified评估集进行测试时，M2.5在Droid harness上得分79.7%（优于Opus 4.6的78.9%），在OpenCode harness上得分76.1%（优于Opus 4.6的75.9%）。

一个显著改进是M2.5具备架构师思维能力。据官方说明，这一特性在训练过程中自然涌现：M2.5会主动分解和规划项目功能、结构和UI设计。

3.2 搜索与工具调用

在BrowseComp和Wide Search等基准测试中，M2.5表现行业领先。同时，模型泛化能力提升——面对不熟悉脚手架环境时表现更稳定。

为更准确地评估真实专业任务中的搜索能力，MiniMax构建RISE（Realistic Interactive Search Evaluation）基准。测试结果表明M2.5在真实世界专业任务中表现优异。

3.3 办公生产力

在办公场景方面，M2.5经过训练能产出真正可交付成果。在Word、PowerPoint和Excel金融建模等高价值工作场景中实现显著提升。在与主流模型对标测试中，M2.5平均胜率达59.0%。

四、成本、效率和市场

M2.5原生支持的推理速度达100 tokens/秒，接近其他前沿模型的两倍。此外，强化学习训练策略激励模型高效推理和最优任务分解。得益于这三个因素协同作用，M2.5在复杂任务完成方面实现显著时间节省。

在运行SWE-Bench Verified时，M2.5平均每个任务消耗352万tokens，而M2.1消耗372万tokens。端到端运行时间从平均31.3分钟减少到22.8分钟，提升37%。这一速度与Claude Opus 4.6的22.9分钟基本持平，而单个任务总成本仅为Claude Opus 4.6的10%。

4.2 定价策略与市场反响

根据官方信息，M2.5系列包含两个版本：M2.5和M2.5-Lightning。两者能力相同，仅在速度上存在差异。

M2.5-Lightning稳定吞吐量达100 tokens/秒，价格每百万输入tokens 0.3美元，每百万输出tokens 2.4美元。M2.5吞吐量为50 tokens/秒，价格减半。两个版本均支持缓存功能。

以输出价格计算，M2.5成本是Opus、Gemini 3 Pro和GPT-5的十分之一到二十分之一。连续运行一小时成本仅为1美元；以50 TPS速率运行，成本降至0.3美元。

六、应用生态与落地情况

M2.5已全面部署在MiniMax Agent中，提供最佳智能体体验。MiniMax将核心信息处理能力提炼为标准化Office Skills，深度集成在MiniMax Agent中。处理Word格式化、PowerPoint编辑和Excel计算等任务时自动加载对应Office Skills。

用户还可将Office Skills与领域特定行业专业知识结合创建特定任务场景的可复用Expert。截至目前用户已构建超过10,000个Expert。

七、总结

综合而言，MiniMax M2.5作为M系列最新迭代在技术框架上延续M系列核心架构主要通过工程优化实现能力增强。其核心价值在于以远低于同类产品的价格提供接近顶级模型的性能特别是在编程、智能体任务和办公生产力等高价值场景中。