MiniMaxAI开源MiniMax M2模型：Artificial Analysis评测显示综合智能得分超过Claude Opus 4.1，开源第一，全球第五。

MiniMax正式开源MiniMax M2模型，该模型定位是“Mini 模型，Max 编码与代理工作流”。最大的特点是2300亿总参数量，但是每次推理仅激活100亿，类似于10B模型。这款模型非常火爆，原因在于这么小的激活参数数量，推理速度很快，但是其评测结果非常优秀。

目前，MiniMax M2已经开源，参考：https://www.datalearner.com/ai-models/pretrained-models/minimax-m2

MiniMax M2模型的基本信息：超稀疏MoE架构，推理速度不错！

MiniMax M2是一个MoE架构的大模型，其总参数量为2300亿，每次推理仅激活其中的100亿，非常的稀疏。上下文最高支持205K，最高支持131K的输出，支持推理过程。MiniMax M2是纯文本大模型，不支持多模态的输入。

此前，阿里在9月份开源的Qwen3-Next-80B-A3B这个下一代的大模型也是采用了远超常规的激活比例（1：26左右，参考此前分析：https://www.datalearner.com/blog/1051757449442911 ）。从此处看，更加激进的稀疏混合专家架构似乎是一个非常重要的模型方向。FP8格式的MiniMax M2模型需要4台H100部署。

这种架构带来的最显而易见的优点是推理速度的提升。根据当前的官方的接口测试结果，MiniMax M2的推理速度达到了每秒84 tokens左右，上一代的Mini Max M1只有一半，约41 tokens/秒。而Claude Sonnet 4.5则只有61 tokens/秒。可以说非常不错的速度了（官方说其接口速度是Sonnet的2倍）。

MiniMax M2最大的特点：Agent能力强悍

MiniMax M2在社区中非常火热。最大的原因是它是目前开源领域中最好的模型之一（综合评测其实就是最好的）。

根据Artificial Analysis给出的大模型综合排名看，MiniMax M2得分是61分，全球排名第五，开源第一。这个分数综合了不同的评测结果，目前第一名是GPT-5 Codex High，得分68。

综合来看，MiniMax M2主要关注Agentic相关的应用，在tool usasge和指令跟随方面表现很好。因此，类似Tau2 Bench 和 IFBench这种工具使用评测得分很好。但是，在更加基础和广泛的领域表现则不如DeepSeek V3.2或者Qwen3 235B这些模型。不过，这也是最近国内大模型的一个发展趋势：大家似乎都在集中精力攻克“智能体”能力，因而放弃了模型一些写作和创意方面的表现。在后训练过程中，似乎更加关注模型优先选择调用工具而不是自己计算，或者更精确地理解复杂指令的能力。

MiniMax M2与DeepSeek、Qwen对比

为了更加直观对比MiniMax M2模型和其它国内开源大模型的能力，我们也使用DataLearnerAI大模型工具做了对比。

首先，我们看一下不使用工具情况下，推理模式下MiniMax M2与其它模型对比：

数据来源DataLearnerAI大模型对比工具：https://www.datalearner.com/compare/result?modelInputString=706,642,691,672,686&benchmarkInputString=&thinkingMode=thinking&toolUsage=without

可以看到，在不使用工具的情况下，MiniMax M2模型和其它几个模型对比结果有显著的差异。在非编程任务如HLE、AIME2025上，MiniMax M2模型并不是最好的。甚至AIME2025得分显著低于其它模型。但是在编程方面，如LiveCodeBench、SWE-Bench Verified方面则是最好的。

在使用工具方面，如下图所示，我们也可以看到，Terminal Bench上，MiniMax M2超过GLM 4.6，但是低于DeepSeek V3.2，而τ²-Bench上则显著优于其它模型。前者主要看大模型使用命令行工具的能力，后者则是大模型和人类一起协作完成任务的能力。

数据来源：https://www.datalearner.com/compare/result?modelInputString=706,642,691,672,686&benchmarkInputString=46,54&thinkingMode=thinking&toolUsage=with

总的来说，MiniMax M2模型目标非常清晰，它没有追求各方面完美，而是在编程或者agentic的工具使用方面追求最好的水平。

也有网友做了一些其它测试，例如使用Claude Code对接GPT-5 Codex和MiniMax M2模型来测试Next.js的使用。最后发现50个问题中，MiniMax M2模型通过了22个，比GPT-5 Codex还要好1个。也是从另一方面证明了这个模型的能力。

MiniMax M2模型总结：免费开源，官方接口价格十分便宜

最后，稍微总结一下MiniMax M2模型。

MiniMax M2模型以MIT协议开源，意味着可以完全免费商用。而官方给的API价格也非常低，输入0.3美元/100 万tokens，输出是1.2美元/100 万tokens。只有Claude Sonnet 4.5的8%！非常便宜。

此外，官方目前的接口也是可以免费使用，直到11月7日。这意味着，大家可以直接使用Claude Code之类的工具随便测试！

总体而已，MiniMax M2模型是国内又一个顶尖的开源模型。最重要的是相比同类的模型，它的推理速度也是目前非常具有吸引力的特性。

关于MiniMax M2模型更多的信息参考DataLearnerAI的大模型信息卡：https://www.datalearner.com/ai-models/pretrained-models/minimax-m2