MiniMax M2.5发布，SWE-Bench Verified得分80.2%
2月12日，MiniMax正式发布MiniMax M2.5。官方新闻页给出的数字很直接：SWE-Bench Verified 80.2%，Multi-SWE-Bench 51.3%，BrowseComp 76.3%。距上一代M2.1发布只有一个多月，距公司香港IPO数周。
编程与Agent任务的速度提升
M2.5的定位集中在编程、工具调用和搜索、办公三类生产力场景。官方称其经过数十万个真实复杂环境的大规模强化学习训练，优化了对复杂任务的拆解能力和思考过程中的token消耗。在SWE-Bench Verified测试中，M2.5完成任务的速度比M2.1快37%。
DataCamp的评测文章提到，M2.5提供两个变体：完整版输出速度50 tokens/秒，Lightning版达到100 tokens/秒，两者能力相同。该文章还指出，M2.5发布时在BrowseComp上的76.3%处于网页搜索与研究任务的顶尖位置，但排行榜随后发生变化——Gemini 3.1 Pro以85.9%领跑，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。
定价策略：连续工作一小时1美元
官方新闻稿中有一句话值得注意：M2.5是第一个不需要考虑使用成本、可以无限使用的前沿模型。按每秒输出100 token计算，连续工作一小时花费1美元；按每秒50 token计算，只需0.3美元。DataCamp将此解读为行业正迈向“智能便宜到无需计量”的趋势。
在Agent产品侧，M2.5已在MiniMax Agent全量上线。官方将信息处理的核心能力提炼为Office Skills，深度集成于Agent中。全能模式下处理Word排版、PPT编辑、Excel测算时，Agent会根据文件类型自动加载对应Skills。用户还可将Office Skills与特定行业经验结合，创建可复用的专家（Expert）。
官方举例：将研究框架SOP与Word Skills融合后，Agent能按既定框架抓取数据、组织分析逻辑并输出研报文档；在金融建模场景中，结合机构建模规范与Excel Skills后，Agent可遵循特定风控逻辑自动生成并校验财务模型。
春节档的模型发布潮
M2.5与智谱GLM-5同期发布，构成春节档AI模型发布潮的一部分。DataCamp在文章中将其放在中美科技紧张关系与高性价比中国模型崛起的背景下讨论，提及Moonshot的Kimi K2.5等同类产品。目前MiniMax官方尚未公布M2.5的完整技术报告，模型权重开放在DataCamp文章中被称为“开源权重”，但官方新闻页未使用这一表述。
M2.5能否在Gemini 3.1 Pro和Claude Opus 4.6的夹击中守住编程与Agent场景的份额，接下来几周的第三方评测会给出更清晰的答案。
来源