MiniMax-M2.7vsMiniMax M2.5
在 11 个共同 benchmark 中，MiniMax-M2.7 整体领先：MiniMax-M2.7 领先 7 项，MiniMax M2.5 领先 4 项，持平 0 项，平均分差 +2.20。
MiniMax-M2.7
MiniMaxAI · 2026-03-18 · 推理大模型
MiniMax M2.5
MiniMaxAI · 2026-02-12 · 推理大模型
MiniMax-M2.77 项(64%)(36%)4 项MiniMax M2.5
评测分数
按能力类目分组，每组内按分差大小排列；共 11 项。
General Knowledge
MiniMax-M2.7 领先 2/3| 评测项 | MiniMax-M2.7 | MiniMax M2.5 | 分差 |
|---|---|---|---|
| HLE | 29.60208 / 563Thinking (No Tools) · Text only | 20.50281 / 563Thinking (No Tools) · Text only | +9.10 |
| LiveBench | 63.4957 / 117Deep Thinking (No Tools) | 60.1470 / 117Deep Thinking (No Tools) | +3.35 |
| CritPt | 0.60168 / 200Thinking (No Tools) | 1.10147 / 200Thinking (No Tools) | -0.50 |
Agent Level Benchmark
胶着 2/2| 评测项 | MiniMax-M2.7 | MiniMax M2.5 | 分差 |
|---|---|---|---|
| τ²-Bench - Telecom | 8589 / 264Thinking (With Tools) | 97.8012 / 264Thinking (With Tools) | -12.80 |
| Terminal Bench Hard | 3955 / 244Thinking (With Tools) | 34.8075 / 244Thinking (With Tools) | +4.20 |
Claw-style Agent Evaluation
MiniMax M2.5 领先 2/2| 评测项 | MiniMax-M2.7 | MiniMax M2.5 | 分差 |
|---|---|---|---|
| Pinch Bench | 87.1010 / 38Thinking (With Tools) | 87.807 / 38Thinking (With Tools) | -0.70 |
| Claw Bench | 91.705 / 29Thinking (With Tools) | 92.104 / 29Thinking (With Tools) | -0.40 |
AI Agent - Tool Usage
MiniMax-M2.7 领先 1/1| 评测项 | MiniMax-M2.7 | MiniMax M2.5 | 分差 |
|---|---|---|---|
| Terminal Bench 2.0 | 5725 / 48Thinking (With Tools) | 51.7032 / 48Thinking (With Tools) | +5.30 |
Coding and Software Engineer
MiniMax-M2.7 领先 1/1| 评测项 | MiniMax-M2.7 | MiniMax M2.5 | 分差 |
|---|---|---|---|
| SWE-Bench Pro - Public | 56.2029 / 62Thinking (With Tools) | 55.4031 / 62Thinking (With Tools) | +0.80 |
Productivity Knowledge
MiniMax-M2.7 领先 1/1| 评测项 | MiniMax-M2.7 | MiniMax M2.5 | 分差 |
|---|---|---|---|
| GDPval-AA | 507 / 15Thinking (No Tools) | 3611 / 15Thinking (No Tools) | +14 |
科学与综合推理
MiniMax-M2.7 领先 1/1| 评测项 | MiniMax-M2.7 | MiniMax M2.5 | 分差 |
|---|---|---|---|
| GPQA Diamond | 87133 / 462Thinking (No Tools) | 85.20157 / 462Thinking (No Tools) | +1.80 |
规格对比
| 字段 | MiniMax-M2.7 | MiniMax M2.5 |
|---|---|---|
| 发布机构 | MiniMaxAI | MiniMaxAI |
| 发布时间 | 2026-03-18 | 2026-02-12 |
| 模型类型 | 推理大模型 | 推理大模型 |
| 架构 | MoE 架构 | MoE 架构 |
| 参数规模 | 2290亿 | 2290亿 |
| 上下文长度 | 200K | 128K |
| 最大输出 | 200K | 暂无数据 |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | MiniMax-M2.7 | MiniMax M2.5 |
|---|---|---|
| 文本输入 | $0.3 / 1M tokens | $0.3 / 1M tokens |
| 文本输出 | $1.2 / 1M tokens | $2.4 / 1M tokens |
| 缓存读取 | $0.06 / 1M tokens | 暂无公开价格 |
| 缓存写入 | $0.375 / 1M tokens | 暂无公开价格 |
小结
- MiniMax-M2.7在以下类目领先:General Knowledge (2/3)、AI Agent - Tool Usage (1/1)、Coding and Software Engineer (1/1)、Productivity Knowledge (1/1)、科学与综合推理 (1/1)
- MiniMax M2.5在以下类目领先:Claw-style Agent Evaluation (2/2)
- 胶着类目:Agent Level Benchmark
11 个共同 benchmark 上，MiniMax-M2.7 平均高出 2.20 分。
单项差距最大的 benchmark：GDPval-AA — MiniMax-M2.7 50，MiniMax M2.5 36（分差 +14）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。