MiniMax M2.5 是 MiniM 是什么？ 核心功能 价格与平台 最终结论 MiniMax M2.5 是 MiniMax 于 2026 年 2 月发布的大语言模型，主打在编程、Agent 工具调用与搜索、办公等真实生产力场景里达到 SOTA，同时把吞吐和成本压到对开发者友好的水平，定位是"既强又能用得起"。 编程是它最亮眼的维度：在 SWE-Bench Verified 上取得 80.2% 的成绩，并在 Multi-SWE-Bench 上位列第一，意味着它能真正改仓库、跑测试、修 bug，而不只是聊代码。Agent 工具调用与搜索能力同样突出，BrowseComp 达到 76.3%，在需要多轮检索、调用外部工具的复杂任务上表现稳健，更像一个能自己查资料、自己动手的同事。办公场景里，它能产出 Word、PPT、Excel 金融建模这类可用交付物，而不只是给建议，贴近真实的业务产出。 效率上，M2.5 提供 100 TPS 的高吞吐版本，输出价格约为同级别模型的 1/10–1/20，对需要大规模调用的业务很关键，推理成本不再成为上线的拦路虎。API 定价为输入 $0.3/百万 token（100 TPS 版）、输出 $2.4/百万 token；50 TPS 版本更低，给预算更紧的场景留了余地。权重已开源（HuggingFace / GitHub），可借助 vLLM、SGLang 做私有化部署，兼顾成本与数据可控。 你可以通过 API 或 MiniMax Agent 平台使用它。对既要强编程与 Agent 能力、又在意部署成本和自主性的团队，M2.5 是一个"能干活、也花得起"的选项。 从定位看，M2.5 更偏向"能执行任务的工程模型"，而不是闲聊模型——它在 SWE-Bench、BrowseComp 这类需要动手和检索的基准上突出，正说明它适合接进 Agent 和工具链里干活。若你只是想要一个对话助手，它的优势未必完全发挥；但若你在做编程助手、研究 Agent、办公自动化，它的性价比值得认真评估。开源权重则给"必须私有化、不能出网"的场景留了退路，让企业在合规前提下也能用上同等能力。选它，本质上是在为"能落地"而不是"能聊天"付费。
- 长文本与编程能力强，SWE-Bench Verified 80.2%
- Agent 工具调用/搜索能力突出（BrowseComp 76%+）
- 中文场景表现优秀，多轮连贯
- 高吞吐低成本，适合规模化 Agent 部署
- 权重开源，可私有化部署，数据可控
- 支持结构化输出与函数调用
优点
- + 长文本与编程能力强，SWE-Bench Verified 80.2%
- + Agent 工具调用/搜索能力突出（BrowseComp 76%+）
- + 中文场景表现优秀，多轮连贯
- + 高吞吐低成本，适合规模化 Agent 部署
- + 权重开源，可私有化部署，数据可控
- + 支持结构化输出与函数调用
缺点
- - 权重已开源，但本地部署需算力与运维投入
- - 相较 GPT-4 等，多模态与全球生态仍在完善
- - API 定价随版本迭代可能调整，以官网为准
- - 作为较新模型，第三方插件与社区教程仍在增长
MiniMax M2.5 和 MiniMax 是什么关系？
M2.5 是 MiniMax 公司推出的升级版大语言模型，于 2026 年 2 月发布，相比前代在推理、长文本与 Agent 能力上明显提升。
MiniMax M2.5 是免费的吗？
权重已在 HuggingFace / GitHub 开源，可免费本地部署；通过 API 或 MiniMax Agent 使用需按 token 计费。
MiniMax M2.5 支持哪些平台？
支持 Web 体验、API 接入，以及基于 vLLM / SGLang 的开源本地部署，也可在 MiniMax Agent 平台使用。
MiniMax M2.5 和 GPT-4 相比如何？
在中文理解与长文本/编程/成本上具优势，开源权重也利于私有化；多模态与全球生态丰富度仍不及 GPT-4，选型取决于场景与预算。