MiniMax发布M2.5模型：强化学习驱动，编程与Agent能力达行业前沿

声明：文档由AI根据原文生成。

模型核心升级：性能与成本双突破

2026年2月12日，MiniMax发布新一代大语言模型MiniMax-M2.5。该模型经过数十万个真实复杂环境中的大规模强化学习训练，在编程、工具调用与搜索、办公等生产力场景达到或刷新行业最优水平（SOTA），关键基准测试成绩包括：SWE-Bench Verified 80.2%、Multi-SWE-Bench 51.3%、BrowseComp 76.3%。

M2.5针对复杂任务的拆解能力与token消耗进行了优化，Agent任务执行效率显著提升。在SWE-Bench Verified测试中，其端到端耗时较上一代M2.1缩短37%，从平均31.3分钟降至22.8分钟，与Claude Opus 4.6的22.9分钟基本持平。

该模型同时突破了前沿模型的使用成本瓶颈。在每秒输出100 token的速率下连续工作一小时仅需1美元；50 TPS版本仅需0.3美元。MiniMax称，按输出价格计算，50 TPS版本价格为Opus、Gemini 3 Pro及GPT5等模型的1/10至1/20。

编程能力：架构师级全流程开发

M2.5在编程核心测试中达到与Claude Opus系列相近水平，并在Multi-SWE-Bench多语言任务中位列第一。模型演化出原生Spec行为：在编码前以架构师视角主动拆解功能、结构与UI设计，完成前期规划。

训练覆盖Go、C、C++、TypeScript、Rust、Kotlin、Python、Java、JavaScript、PHP、Lua、Dart、Ruby等十余种语言，涉及数十万个真实环境。能力范围涵盖从0到1的系统设计、环境构建，从1到10的系统开发，从10到90的功能迭代，以及从90到100的代码审查与系统测试，支持Web、Android、iOS、Windows、Mac等多平台全栈项目，包括服务端API、功能逻辑与数据库等。

为衡量相关能力，MiniMax将VIBE基准升级为复杂度、领域覆盖度与评估准确度显著提升的Pro版本。综合评测显示，M2.5与Opus 4.5表现相当。

在不同编程脚手架的泛化性测试中，M2.5在Droid上通过率为79.7%，超过M2.1的71.3%与Opus 4.6的78.9%；在OpenCode上通过率为76.1%，超过M2.1的72.0%与Opus 4.6的75.9%。

搜索与工具调用：专家级深度探索

搜索和工具调用是模型自动处理复杂任务的基础。M2.5在BrowseComp、Wide Search等榜单达到行业顶尖水平，面对陌生脚手架环境时表现更为稳定。

针对真实场景中搜索引擎仅占小部分、专业网页深度探索为主的特征，MiniMax构建了RISE（Realistic Interactive Search Evaluation）基准，衡量模型在真实专家级搜索任务中的能力，M2.5表现卓越。

相比前代模型，M2.5展现出更高的决策成熟度：在BrowseComp、Wide Search及RISE等多项任务中，以更低轮次消耗取得更优效果，较M2.1节省约20%的轮次消耗。

办公场景：行业知识驱动的可交付产出

M2.5与金融、法律、社会科学等领域资深从业者深度合作，将行业隐性知识融入训练流程，在Word、PPT、Excel金融建模等高阶办公场景中能力显著提升。

评测采用内部构建的Cowork Agent框架（GDPval-MM），以两两对比方式评估交付质量、轨迹专业性，并监控全流程token费用。与主流模型对比中，M2.5取得59.0%的平均胜率。

效率优化：三环节协同提速

M2.5的推理速度达100 TPS，约为当前主流模型的两倍。通过强化学习优化复杂任务拆解能力与思考过程token消耗，结合并行工具调用等能力提升，三环节协同实现效率突破。

SWE-Bench Verified测试中，M2.5平均每任务消耗3.52M token，较M2.1的3.72M token有所下降。

成本结构：双版本覆盖不同需求

M2.5提供效果一致但速度与价格不同的两个版本：100 TPS快速版输入0.3美元/百万token、输出2.4美元/百万token；50 TPS版本输出价格再降一半。MiniMax称1万美元可支持4个Agent连续工作一年，为大规模Agent构建与运营提供经济可行性。

迭代速度：108天三代更新

过去108天内，MiniMax陆续发布M2、M2.1与M2.5。在SWE-Bench Verified等编程领域代表性基准上，M2系列进步速度超过Claude、GPT及Gemini等模型系列。

技术底座：大规模强化学习扩展

MiniMax将进展归因于大规模强化学习对模型能力及脚手架、环境泛化性的显著提升。通过Agent RL框架、算法与Reward设计、工程优化的协同设计，支持对任意Agent脚手架与环境的高效优化，在数十万个Agent脚手架与环境中验证了近线性的scaling提升。

Forge原生Agent RL框架

Forge通过引入中间层解耦底层训推引擎与Agent，支持任意Agent接入以优化泛化性。异步调度策略平衡系统吞吐与样本off-policyness，树状合并训练样本策略实现约40倍训练加速。

算法与Reward设计

算法层面沿用年初提出的CISPO算法保障MoE模型大规模训练稳定性。针对Agent场景长上下文的信用分配难题，引入过程奖励机制（Process Reward）实现全链路监控。为对齐用户体验，直接估计真实环境耗时作为Reward，平衡模型效果与响应速度。

产品落地：MiniMax Agent全面集成

M2.5已在MiniMax Agent全面上线。核心信息处理能力被提炼为标准Office Skills，全能（MAX）模式下自动根据文件类型加载对应技能。用户可将Office Skills与领域经验结合，创建面向特定场景的复用型专家（Expert）。

行业研究场景中，成熟研究框架SOP与Word Skills融合后，Agent可按既定框架自动抓取数据、组织分析逻辑并输出规范研报。金融建模场景中，机构专属建模规范与Excel Skills结合，Agent可遵循特定风控逻辑与测算标准自动生成并校验复杂财务模型。

截至目前，用户已在MiniMax Agent构建1万余个专家，数量持续增长。MiniMax针对办公、金融、编程等高频场景构建了多组深度优化、开箱即用的专家套组。

MiniMax内部已率先应用M2.5。真实业务场景中，整体任务的30%由M2.5自主完成，覆盖研发、产品、销售、HR、财务等职能，渗透率持续上升。编程场景尤为突出，M2.5生成代码已占新提交代码的80%。

评测方法说明