MiniMax M2.5: Built for Real-World Productivity
原标题 + 中文标题
MiniMax M2.5: Built for Real-World ProductivityMiniMax M2.5：为真实世界生产力而生
一句话摘要
MiniMax M2.5 是一个 230B 参数的开源 MoE 模型，每次推理仅激活 10B 参数，通过自研 Forge 强化学习框架训练，在 SWE-Bench Verified 上达到 80.2%（匹敌 Claude Opus 4.6），而 API 调用成本仅为后者的二十分之一。
完整核心内容翻译
模型发布
2026 年 2 月 11 日，MiniMax 在 Hugging Face 上以修改版 MIT 许可证开源发布了 M2.5 语言模型。这是 MiniMax 旗舰模型系列的最新迭代，相比前代 M2.1，整体效率提升了 37%。
架构与参数
M2.5 采用混合专家（MoE）架构：
- 总参数量：230B
- 每次推理激活参数量：10B
- 这一 23:1 的参数效率比，使其成为当前最"稀疏"的前沿级模型之一
Forge：智能体原生的强化学习框架
M2.5 的训练核心是 MiniMax 自研的 Forge 强化学习框架，其关键特性包括：
- 智能体原生架构：Forge 是一个"Agent-native RL 框架"，设计了一个中间层来完全解耦底层训练推理引擎和上层智能体，实现了训练与部署的灵活分离
- 约 40 倍训练加速：通过优化的异步调度和树状结构的样本合并，实现了相比传统方法约 40 倍的训练速度提升
- CISPO 算法：采用 CISPO（一种专为 MoE 模型设计的强化学习算法），确保大规模训练中 MoE 模型的稳定性
- 过程奖励机制：实现端到端的过程级监控，对任务完成时间进行全程优化
训练规模
模型在超过 20 万个真实世界环境中进行训练，覆盖超过 10 种编程语言，包括 Go、C、C++、TypeScript、Rust、Kotlin、Python、Java、JavaScript、PHP、Lua、Dart 和 Ruby。训练周期为两个月。
基准测试表现
| 基准测试 | M2.5 成绩 | 说明 |
|---|---|---|
| SWE-Bench Verified | 80.2% | 匹敌 Claude Opus 4.6 |
| Multi-SWE-Bench | 51.3% | 全球第一 |
| BrowseComp | 76.3% | 网页浏览理解 |
| VIBE-Pro | 与 Opus 4.5 持平 | 视觉理解 |
| GDPval-MM（办公任务） | 59.0% 平均胜率 | 综合办公能力 |
速度表现：比 M2.1 快 37%，匹配 Claude Opus 4.6 的 22.9 分钟平均任务完成时间。
创新：MEWC 基准
MiniMax 创建了一个名为 MEWC（Microsoft Excel World Championship） 的独特基准，包含来自 2021-2026 年 Excel 电子竞技赛事主赛区和地区赛区的 179 道题目。该基准评估模型理解竞赛级 Excel 电子表格并使用 Excel 工具解题的能力——这是对"真实世界生产力"的务实诠释。
定价策略
MiniMax 提供两个完全同能力的版本：
- M2.5-Lightning（100 tokens/秒）：输入 $0.3/百万 token，输出 $2.4/百万 token
- M2.5（50 tokens/秒）：价格为 Lightning 版的一半
核心卖点：以 100 tokens/秒的速度连续运行模型一小时，成本仅需 $1——而竞品模型的同等使用成本高出 10 倍以上。
智能体能力亮点
- 规格撰写能力：模型能够像架构师一样主动分解和规划项目，"先写规格再写代码"
- 在智能体任务中，搜索轮次比 M2.1 减少 20%
- 改进的并行工具调用能力
- 长上下文智能体轨迹中的过程级奖励信号实现了精确的信用分配
技术要点
极致的参数效率：230B 总参数中仅激活 10B（4.3%），这一激活比例远低于 DeepSeek-V3 等竞品，证明了更激进的稀疏激活策略在 MoE 架构中的可行性。
Forge 框架的 40 倍加速：异步调度 + 树状样本合并的工程组合，使得在 20 万真实环境中进行大规模 RL 训练成为可能。这一框架本身可能比模型更有战略价值。
CISPO 算法保障 MoE 训练稳定性：MoE 模型在 RL 训练中极易出现专家负载不均衡和训练不稳定的问题，CISPO 算法专门针对这一痛点设计。
Multi-SWE-Bench 全球第一的含金量：Multi-SWE-Bench 评估模型在多语言真实软件工程任务中的表现，51.3% 的成绩表明 M2.5 在跨语言代码理解和修复方面具有显著优势。
$1/小时的成本革命：将前沿级模型的使用成本从"企业预算"级别拉到"个人开发者"可承受的范围，可能从根本上改变 AI 辅助编程的普及度。
深度解读
MiniMax M2.5 的发布传递了一个清晰的信号：前沿 AI 能力的"去奢侈品化"正在加速。
从技术路线看，M2.5 选择了"极致稀疏 + 大规模 RL"的组合。仅 10B 的激活参数意味着每次推理的计算量极低，但 230B 的总参数储备确保了模型的知识容量。配合 Forge 框架的 40 倍训练加速，MiniMax 实现了一种"以 RL 质量换参数规模"的策略——用更少的激活参数和更好的训练方法，达到与大量激活参数模型相当的效果。
值得特别关注的是 MEWC 基准的创建。在当前 AI 行业普遍追逐"刷榜"的氛围中，MiniMax 选择创建一个以实际办公生产力为导向的评测标准，这反映了其"产品驱动"而非"论文驱动"的企业文化。Excel 电子竞技赛题作为评测素材，既有标准化的评分体系，又能反映真实世界的复杂表格处理需求——这是一个聪明的选择。
从商业角度看，M2.5 的定价策略极具攻击性。$0.3/百万输入 token 的价格，使其成为目前性价比最高的前沿级模型，直接瞄准了那些"想用 Claude 但预算有限"的开发者群体。MiniMax 2025 年全年的海外收入贡献超过 70%，说明这一低价策略在国际市场上已经取得了显著成效。
延伸思考
10B 激活参数的"够用"边界在哪里？ M2.5 证明了 10B 激活参数足以匹敌 Claude Opus 4.6，那么激活参数的下限在哪里？是否存在一个"无法再减"的临界点？
RL 训练框架的竞争：Forge、DeepSeek 的训练框架、智谱的 Slime——中国 AI 公司在 RL 基础设施上的军备竞赛可能和模型本身一样重要。
开源 + 低价的可持续性：以 1/20 的价格提供同等能力的服务，MiniMax 的商业模式是否可持续？还是这只是一种"以亏损换市场份额"的短期策略？