MiniMax M2.5 是由 MiniMaxAI 发布的 AI 模型，发布时间为 2026-02-12，定位为 推理大模型，参数规模约为 2290亿，上下文长度为 128K，模型文件大小约 230GB，采用 MINIMAX MODEL LICENSE 许可，在 τ²-Bench - Telecom 上取得 97.80 分。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
模型基本信息
开源和体验地址
官方介绍与博客
API接口信息
评测结果
MiniMax M2.5 当前已收录的代表性评测结果包括 SWE-bench Verified（13 / 108，得分 80.20）、Claw Bench（4 / 29，得分 92.10）、Pinch Bench（6 / 37，得分 87.80）。 本页还汇总了参数规模、上下文长度与 API 价格，便于结合评测结果与部署约束一起判断模型适配度。
综合评估
共 5 项评测和其他模型对比
发布机构
模型解读
MiniMax M2.5是由稀宇科技（MiniMax）开发的一款大语言模型，于2026年2月12日正式上线。该模型激活参数量为10B，总参数量未公开，采用大规模强化学习训练，支持超过10种编程语言，包括Python、Java、JavaScript等。 其设计重点在于为Agent场景提供生产级支持，强调在真实复杂环境中的应用。
模型能力方面，MiniMax M2.5在编程、工具调用、搜索和办公生产力场景中表现出色。在编程领域，它支持全栈开发，覆盖Web、Android、iOS等多平台，能够从系统设计到代码审查的全流程处理；在SWE-Bench Verified基准测试中得分80.2%，Multi-SWE-Bench得分51.3%。 在工具调用和搜索方面，BrowseComp得分76.3%，优化了任务拆解和token消耗，相比上一代M2.1，完成任务速度提升37%。 在办公场景中，它处理Word、PPT、Excel等高阶任务，在GDPval-MM评测中平均胜率59.0%。 推理速度可达100 TPS，是部分主流模型的两倍左右。
外部评价显示，该模型在编程和Agentic性能上与Claude Opus 4.6相当，在某些基准测试中接近或超过国际顶尖水平。 用户反馈指出，其在工具调用和响应速度上表现良好，但复杂任务处理可能需更精确提示。 在BridgeBench基准中得分59.7%，略低于Claude Opus 4.6的60.1%，但成本更低。 部分测试显示，长上下文召回平均96.7%，Agent任务总分提升42.8%。 媒体报道称，其性价比高，适用于实际工作场景，但生成结果有时需进一步修改。
使用途径包括通过API接入，支持Anthropic API兼容模式，模型名为MiniMax-M2.5，可用于OpenClaw、Claude Code等工具。 已在MiniMax Agent平台上线，支持全能模式和专家模式，可处理行业研究、金融建模等任务。 定价分为两个版本：100 TPS版本输入0.3美元/百万token，输出2.4美元/百万token；50 TPS版本输出价格为前者的一半。连续运行一小时（100 token/s）成本1美元，（50 token/s）成本0.3美元，相当于部分国际模型的1/10至1/20。
DataLearner 官方微信
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
