2026 年 2 月 12 日，MiniMax 發布 M2.5 與 M2.5-Lightning，並同步在 Hugging Face 開源權重。官方定位一句話：能力逼近前沿、價格砍到只剩零頭——SWE-Bench Verified 拿下 80.2%，平均解題時間 22.8 分鐘，與 Claude Opus 4.6 的 22.9 分鐘持平，成本卻僅其十分之一。
時點踩在中國模型的密集發布期：智譜前一天才開源 GLM-5（見先前的報導），VentureBeat 以「成本僅 Claude Opus 4.6 的二十分之一」為題報導 M2.5。低價加開源已是市場預設值。
兩個版本：能力相同、速度加倍
M2.5 與 M2.5-Lightning 能力完全相同，差別只有速度與價格。M2.5 以每秒 50 token 運行，輸入每百萬 token 0.15 美元、輸出 1.20 美元；Lightning 每秒 100 token——官方稱是多數前沿模型的兩倍——輸入 0.30 美元、輸出 2.40 美元，兩者皆支援快取。官方換算的數字：Lightning 連續跑一小時 1 美元，M2.5 只要 0.30 美元；四個全年無休實例一年共 10,000 美元。
SWE-Bench 80.2%：跨 harness 的編碼表現
除了 80.2% 的 SWE-Bench Verified，更有說服力的是跨 harness 表現：Droid 上 79.7 勝過 Opus 4.6 的 78.9，OpenCode 上 76.1 對 75.9。單一 benchmark 可被針對性最佳化，跨環境穩定性才是 agent 工程師在意的。其他數字：Multi-SWE-Bench 51.3%、BrowseComp 76.3%（含 context management），搜尋與工具呼叫回合數比 M2.1 減少約 20%。辦公場景的 GDPval-MM 評測平均勝率 59.0%，對應 MiniMax Agent 內建的 Office Skills。
Forge、CISPO 與大規模 agentic RL
訓練配方是這波中國模型的共同路線：大規模 agentic 強化學習，環境超過 20 萬個真實編碼任務，涵蓋 10 種以上語言與 Web、Android、iOS、Windows 全端。兩個自研元件：Forge 框架把 agent 與訓練推論引擎解耦，以樹狀樣本合併與非同步排程做到約 40 倍訓練加速；CISPO 演算法用來穩定大規模 MoE 訓練。獎勵設計混合過程獎勵與任務完成時間最佳化，迫使模型在聰明與快之間取平衡——這就是 22.8 分鐘平均解題時間的由來。
開源權重與自架部署
權重以 Modified-MIT 授權上架 Hugging Face，229B 參數、多數以 FP8 量化儲存，下載體積約 230GB。部署走 SGLang、vLLM、Transformers 與 KTransformers。對照內部數據——M2.5 已自主處理公司 30% 的任務、佔新進程式碼 80%——自建「公司編碼主力」的門檻，第一次降到一張多卡伺服器加一份開源權重。
對開發者的實際意義
三點觀察。第一，coding agent 的邊際成本正在塌陷：輸出單價僅 Opus 等級的十分之一到二十分之一，長時間運行的 agent 從成本問題變成背景值。第二，開源權重改變採購談判：能自架 229B 的團隊，對 API 報價從此有了錨點。第三，速度本身成為規格：Lightning 的每秒 100 token 讓互動式 agent 的體感接近本機工具，對 IDE 與 terminal agent 是新的約束，也是差異化空間。
參考來源
- MiniMax M2.5: Built for Real-World Productivity — MiniMax
- MiniMax-M2.5 model card — Hugging Face
- MiniMax’s new open M2.5 and M2.5-Lightning near state-of-the-art — VentureBeat
本文由 AI 協助自上述來源整理，經人工審核後發布。