MiniMax M2
聊天大模型MiniMax-M2
模型基本信息
是否支持推理过程
支持
最高上下文输入长度
205K tokens
最长输出结果
模型类型
聊天大模型
发布时间
2025-10-27
模型预文件大小
239.99 GB
推理模式
开源和体验地址
官方介绍与博客
官方论文
DataLearnerAI博客
API接口信息
接口速度（满分5分）
接口价格
默认单位：$/100万 tokens；若计费单位不同，则以供应商公开的原始标注为准。
| 模态 | 输入 | 输出 |
|---|---|---|
| 文本 | 0.3 美元/100万tokens | 1.2 美元/100万tokens |
MiniMax M2模型在各大评测榜单的评分
综合评估
共 5 项评测编程与软件工程
共 2 项评测数学推理
共 1 项评测AI Agent - 工具使用
共 1 项评测Agent能力评测
共 2 项评测指令跟随
共 1 项评测AI Agent - 信息收集
共 1 项评测发布机构
MiniMax-M2模型解读
2025 年 10 月 27 日，中国 AI 公司 MiniMax 正式发布了其最新大语言模型 MiniMax M2，这款紧凑型模型专为编程任务和 Agentic 工作流设计，同时兼顾通用对话能力。 作为 MiniMax 在开源领域的又一力作，M2 的推出标志着国产大模型在效率和成本优化上的新进展，迅速登上全球评测榜单的前列。
模型概述：轻量级设计，聚焦高效智能体
MiniMax M2 并非一款追求参数规模的巨型模型，而是定位于“轻量级”架构，总参数量达 2300 亿，其中激活参数仅 100 亿。 这种设计理念源于对实际应用场景的考量，特别是可视化编程工具（如 MiniMax 的 Max 平台）和智能体工作流。不同于通用大模型的“全能型”定位，M2 更注重在特定任务中的深度优化，例如代码生成、代理式决策和多步推理，从而在资源受限的环境中实现高性能。
据官方描述，M2 支持长达 204,800 tokens 的上下文窗口，并可输出最多 131,072 tokens，这使得它在处理复杂编程项目或长链路 Agent 交互时表现出色。 此外，该模型已开源，开发者可以通过 MiniMax 的平台快速集成，标志着开源生态在 Agent 领域的进一步扩展。
关键特性：编程与 Agent 的“加速器”
M2 的核心亮点在于其针对编程和智能体优化的专项能力。首先，在代码生成与调试方面，模型能够高效处理多语言编程任务，支持从 Python 到 JavaScript 的广泛场景，并集成可视化编程接口。 这对于开发者构建自动化工作流尤为实用，例如在 DevOps 或低代码平台中的应用。
其次，作为 Agentic 工作流的专属引擎，M2 强调多代理协作和工具调用效率。它能模拟人类-like 的决策过程，减少幻觉发生率，并在实时交互中保持低延迟。 相比前代模型，M2 在这些领域的改进体现在更强的上下文保持和错误恢复机制上，帮助智能体在复杂环境中更可靠地执行任务。
通用对话能力也是 M2 的亮点之一，尽管非主打，但其在自然语言理解上的表现已接近顶级模型水准。
性能评测：直逼国际前沿，性价比突出
第三方评测显示，MiniMax M2 在 Artificial Analysis 榜单上位居前五，综合能力被认为“直逼 GPT-5”或“比肩 Claude 4.5”。 具体而言，它在代码基准（如 HumanEval）上的得分超越 DeepSeek-V3.2，在 Agent 任务（如 GAIA）中表现出色，推理速度和准确率均有显著提升。
定价方面，M2 采用亲民策略：每百万 tokens 输入 0.3 美元，输出 1.2 美元，仅为 Claude 系列的 8%。 这使得它在商业部署中更具竞争力，尤其适合中小企业或初创团队。API 已于发布当日上线，支持 OpenRouter 等平台集成。
潜在应用与展望
M2 的发布为 AI 智能体生态注入新活力。在编程教育、自动化测试和多模态 Agent 构建等领域，它有望成为关键工具。同时，开源性质将吸引全球开发者贡献，加速模型迭代。
关注DataLearnerAI公众号
关注DataLearnerAI微信公众号，接受最新大模型资讯
