动态MiniMax M2.5 在 Multi-SWE-Bench 拿到 51.3%，Lightning 版输出 100 tokens/秒
本站 · 发布于 2026-10-28 21:02
MiniMax M2.5 在 Multi-SWE-Bench 拿到 51.3%，Lightning 版输出 100 tokens/秒
2026 年 2 月 12 日，上海 MiniMax AI 发布开源权重大语言模型 MiniMax M2.5。发布时间在公司香港 IPO 数周之后。模型分两个变体：完整版 M2.5 输出速度 50 tokens/秒，Lightning 版 100 tokens/秒。DataCamp 的评测文章称，两者除速度外能力相同。
基准成绩与两个版本
M2.5 公布的成绩集中在编码与代理任务上。多语言、跨仓库的 Multi-SWE-Bench 上，它拿到 51.3%，排名第一。代理编码基准 Droid 上为 79.7%。网页搜索与研究任务 BrowseComp 上，发布时 76.3% 的成绩让它进入顶尖模型行列。
这个位置没有保持太久。DataCamp 记录，Gemini 3.1 Pro 随后以 85.9% 领跑 BrowseComp，Claude Opus 4.6 为 84.0%，GPT-5.2 Pro 为 77.9%。Gemini 3.1 Pro 与 Opus 4.6 都在 M2.5 发布后一周内推出。榜单变化的速度，和模型发布的速度差不多。
两个版本能力相同，选择只关乎吞吐。50 tokens/秒适合常规调用，100 tokens/秒的 Lightning 版面向对延迟敏感的场景。开源权重意味着团队可以自行部署，不必只走 API。
低价与竞争
M2.5 受关注的原因不只是基准。DataCamp 的文章把价格放在第一位：它以极低成本取得 SOTA 成绩，对应行业里“智能便宜到无需计量”的说法。文章还把 M2.5 放进中国高性价比模型的序列里，前面是智谱的 GLM-5 和 Moonshot 的 Kimi K2.5。对比对象则是 GPT-5.2、Gemini 3 等闭源模型。
低价加开源权重，直接影响的是需要消耗大量 token 的任务。代理编码要反复读写仓库，网页研究要多次检索和整理，这两类场景对单价敏感，也对输出速度敏感。M2.5 的两个版本正好对应这两个变量。
一周内的反超说明什么
M2.5 发布时在 BrowseComp 上排进前列，一周后就被 Gemini 3.1 Pro 和 Claude Opus 4.6 超过。这不是 M2.5 一个模型的问题。前沿榜单的刷新周期已经短到以周计，任何单次发布带来的领先都很难维持。
对使用方来说，M2.5 的价值可能不在“第一”这个位置，而在它把开源权重、100 tokens/秒的输出速度和低价放在同一个发布里。DataCamp 的文章作者 Iheb Gafsi 对 Lightning 版的速度给出了相当直接的评价。接下来值得观察的是，这类定价会不会被闭源厂商跟进，以及自部署的团队会不会把代理编码的默认模型换掉。
M2.5 的定价压力，大概率会先落在那些按百万 token 计费的代理编码与搜索任务上。
来源