开放权重模型中的新领跑者
中国人工智能初创公司MiniMax在国内主要投资方支持下迅速崛起，近期发布了大型语言模型M2，并跃升至全球开放权重系统排名的第一梯队。独立评测显示，MiniMax M2在Artificial Analysis Intelligence Index上是能力最强的开放权重模型，性能超越Google DeepMind的Gemini 2.5 Pro，并接近美国领先的专有系统。该公司围绕两个热门应用场景打造M2：代码生成和代理式工具使用；同时通过定价和工程优化提升速度，以吸引希望降低成本又不牺牲能力的开发者和企业。
效率是其技术设计的主线。MiniMax M2采用混合专家（Mixture of Experts）架构，将每项输入路由至模型中一部分神经元，使每次仅激活约100亿个参数，而模型总容量要大得多。这种设计降低了延迟和GPU内存需求，同时保留了推理能力。MiniMax API的定价颇具竞争力：每百万输入token收费0.30美元，每百万输出token收费1.20美元。按该公司自己的比较，这约为Anthropic Claude 3.5 Sonnet价格的8%；团队还称推理吞吐速度接近每秒100个token。完整模型权重以宽松许可协议开放，可供下载并自行托管，这意味着团队可以按需微调M2并在内部部署。
中国开放权重模型领域今年竞争升温，DeepSeek、阿里巴巴的Qwen、月之暗面等厂商都在推进长上下文和推理能力。MiniMax此次跻身领跑行列意义重大，因为M2瞄准了企业正在投入真金白银的领域：通过能够浏览网页、查询内部数据、运行代码并自行核验结果的工具型代理，实现支持、研究和开发工作自动化。能力强、成本低、许可透明，这些优势共同使M2成为开放权重AI的新标杆。
性能有多强
Artificial Analysis汇总数学、科学、指令遵循、编码和代理工作流等高难度基准测试，生成一项综合智能指数。最新版中，MiniMax M2得分为61，是最强的开放权重模型，在所有模型中也位居前列。它超过Gemini 2.5 Pro，在多项代理和编码任务上接近Anthropic的Claude Sonnet 4.5，但仍落后于GPT 5和xAI的Grok等最新前沿级系统。对许多开发者而言，这一定位恰到好处：无需承担前沿模型的成本或锁定于特定厂商，也能获得接近前沿的能力。
代理任务表现接近前沿水平
代理式评测考察模型能否在多步骤任务中进行规划、调用工具、读取结果、调整策略并核验最终结果。M2在这方面表现尤为出色。MiniMax称其在面向代理的测试套件中取得了不错的成绩，包括tau squared Bench得分77.2、BrowseComp得分44.0，以及FinSearchComp global得分65.5。这些测试涵盖网页浏览与引用、金融信息检索，以及步骤失败时的规划和恢复。在实际应用中，这意味着由M2驱动的代理能够制定计划、运行shell命令、搜索并阅读资料、调用解释器测试代码、修正错误，并提供可追溯的依据，无需人工不断介入。
编码与推理基准测试
MiniMax针对端到端开发者工作流打造M2，使其能够迭代编辑多个文件、编译、测试和修复代码。在SWE Bench类任务和Terminal Bench中，该模型能够胜任跨语言的真实代码仓库和命令行环境任务。Artificial Analysis的综合评估还纳入了GPQA Diamond和AIME等知识与推理测试，结果显示，M2的编码优势并非以牺牲通用智能为代价。对于既希望助手能够处理软件开发杂务、又能开展研究工作的组织而言，M2在这些领域表现稳定，颇具吸引力。
架构一览
M2采用稀疏混合专家架构。它不会让每个token都经过庞大网络的所有部分，而是通过一个经过训练的门控机制，为每项输入选择少数专家子网络进行激活。MiniMax的文档称，该模型总参数量约为2300亿，每次推理激活100亿个参数。早期报道曾称其总参数量为2000亿，但该公司的技术页面和模型卡说明，其总容量更大，激活参数预算仍为100亿。这种设计的优势显而易见：既能获得大型模型的知识广度和专业化能力，推理成本又更接近100亿参数的稠密模型。
这种效率也体现在硬件需求上。MiniMax和第三方测试人员称，M2在FP8精度下只需4块NVIDIA H100 GPU即可实际部署，让中型工程团队也能用得起。相比之下，一些竞争对手每个token会激活更多参数。DeepSeek近期发布的V3.2每个token约激活370亿个参数，月之暗面的Kimi K2则约为320亿，这会增加内存占用并降低吞吐量。M2较小的激活规模也有助于降低尾延迟并提高并发能力，而这两点正是交互式工具和代理面临的运营难题。
代理式设计与工具使用
MiniMax将M2打造为能够循环执行思考、行动和核验的模型，并通过工具调用指南开放这些能力，使模型能够连接shell、浏览器、检索系统和代码运行器。该公司强调以交错思考格式呈现可见的推理轨迹。在多轮会话中，助手会保留规划上下文和证据链，帮助它从数据不完整和步骤失败的情况中恢复，也便于开发者审查决策。这种设计旨在提高长周期任务的可靠性和可调试性。
MiniMax还让M2与实用的开发者环境紧密适配。该模型可与SGLang和vLLM等常用推理框架配合运行，并遵循OpenAI和Anthropic使用的常见请求格式。团队因此只需少量修改代码，就能切换到M2，并按需扩展服务规模。对于开发内部副驾驶工具或生产级代理的团队来说，降低集成门槛很有价值。
MiniMax在发布时强调了使命和普及性。该公司表示，希望让更广泛的用户群体都能使用先进智能，而不只是那些负担得起高价专有模型的人。
从一开始，MiniMax就秉持着‘智能属于每个人’的愿景。
团队在公开的模型卡中强调了对代理和效率的关注。
MiniMax-M2重新定义了代理的效率。
MiniMax运营着一项由M2驱动的代理服务，提供两种模式。闪电模式可针对简单查询即时响应；专业模式则处理耗时较长的复杂任务，例如研究、数据提取或多阶段编码。这种划分符合团队的实际工作方式：他们既需要快速获得答案，也需要开展持续时间较长的项目，在这些项目中，模型必须端到端地规划、执行并检查成果。
使用方式、许可与定价
对于能力达到这一水平的系统来说，M2的开放程度相当少见。MiniMax以宽松许可协议发布了完整权重，并提供部署指南。开发者可以从Hugging Face等平台下载代码库，使用SGLang或vLLM进行本地推理，并针对特定领域微调。MiniMax还提供每token价格极低、流式输出速度快的API，并宣传其Agent应用和API限时免费开放。
对买家而言，重要的实用功能包括结构化函数调用、长上下文处理和可靠的工具使用。MiniMax推荐了常用的采样设置，并提供清晰的工具调用格式，便于将模型连接至外部服务。对于担心被供应商锁定的团队，开放权重与兼容性良好的API相结合，是评估M2的一大理由。希望完全在本地部署的团队，也可以参考该公司的文档，了解如何高效提供M2服务，以及如何根据不同精度设置配置GPU内存。
- 模型权重已开放，可供自行托管，并提供SGLang和vLLM部署指南。
- API每百万输入token收费0.30美元，每百万输出token收费1.20美元；官方宣传速度接近每秒100个token。
- 工具使用涵盖shell、浏览器、检索和代码解释器，并提供可见的推理轨迹，便于审计和调试。
- 兼容OpenAI和Anthropic风格的API，可减少现有应用的集成工作量。
这些特点使M2适用于软件工程副驾驶工具、数据分析助手和客户支持代理等需要结合推理能力与可靠工具执行的场景。
竞争对手与不断变化的排行榜
MiniMax M2的崛起重新改写了开放权重模型排行榜，也加剧了中国和美国市场的竞争。Artificial Analysis将M2列为最强的开放权重模型，智能指数为61；它领先于谷歌Gemini 2.5 Pro，略逊于Claude Sonnet 4.5、GPT 5和Grok 4等专有领先模型，具体表现因任务而异。在BrowseComp和FinSearchComp global等代理评测中，这一定位尤其引人注目：M2在规划、引用证据和从错误中恢复方面的能力，已缩小了与闭源系统之间的差距。
中国国内的竞争格局也在变化。DeepSeek和Qwen数月来凭借前沿规模训练和长上下文能力占据头条，如今MiniMax凭借更小的激活参数规模，以更低成本提供相近的代理和编码表现，开始受到关注。DeepSeek曾探索庞大的总参数规模，在某些配置下可能需要近700GB内存。MiniMax的稀疏激活架构和经过优化的部署方案则降低了硬件要求，中端市场的许多团队都能负担得起，尤其是在采用FP8和优化推理框架时。
价格同样重要。MiniMax的token定价比大型专有模型竞争对手低一个数量级。对于希望运行数百个代理，或让众多开发者全天使用辅助编码工具的企业来说，这可能推动预算从试点阶段转向正式投产。开放权重也是一项优势，安全敏感型企业可以审计、微调并在自己的环境中部署。易于获取、成本低廉且能力强大，这一组合直接挑战了依赖高端定价的专有平台。
买家须知
基准测试是有帮助的参考，但并非性能保证。Artificial Analysis使用受控测试框架和固定提示词评估模型，结果未必完全符合某家公司的业务领域或工具配置。采用M2的团队应针对有代表性的任务自行评测，并使用计划实际部署的工具，测量延迟、吞吐量和代理可靠性。
还需要做好运营层面的规划。MiniMax建议在多轮对话中保留模型交错呈现的思考轨迹，以便长任务能够维持连贯的计划和证据链。这种设计可能生成较长的输出并增大对话历史，因此开发者应谨慎管理上下文窗口，并尽可能对内容进行裁剪或摘要。希望实现最高吞吐量的组织还应测试量化设置和批处理策略，在速度、成本与准确性之间取得平衡。
最后，M2仍是可由组织修改的开放权重系统，这也增加了使用方在安全和合规方面的责任。对于能够访问外部资源或敏感数据的部署，团队应加上监控、工具调用防护措施和访问控制。这些都是代理系统普遍需要考虑的问题，M2也不例外。
概要
- MiniMax M2在Artificial Analysis Intelligence Index上排名第一，是全球整体表现最强的模型之一。
- 综合智能表现超过谷歌Gemini 2.5 Pro，但在部分任务上仍落后于GPT 5和Claude Sonnet 4.5等前沿专有系统。
- M2采用混合专家架构，总参数量约为2300亿，每次推理激活100亿个参数，从而降低延迟和成本。
- 代理表现尤为突出，在tau squared Bench、BrowseComp和FinSearchComp global上成绩亮眼。
- 其编码能力通过SWE Bench类任务和Terminal Bench验证，可支持端到端开发者工作流。
- API每百万输入token收费0.30美元，每百万输出token收费1.20美元，速度接近每秒100个token。
- 完整权重以宽松许可协议开放，可供自行托管，并兼容SGLang、vLLM和常见API格式。
- 在FP8精度下，使用至少4块NVIDIA H100 GPU即可部署，降低了中型团队的部署门槛。
- 与DeepSeek V3.2和月之暗面Kimi K2相比，M2激活的参数更少，效率更高。
- 企业应在自己的工具链上验证模型表现，并做好应对输出冗长、上下文管理和安全控制的准备。
