MiniMax-M2

是什么

MiniMax-M2 是 MiniMax 于 2025 年 10 月下旬发布的大语言模型，权重于 2025 年 10 月 22 日发布到 Hugging Face 上。^[2][3] 它是一个混合专家（mixture-of-experts, MoE）模型，总参数 2300 亿，每次推理激活其中的 100 亿。^[1] MiniMax 对它的定位是「a Mini model built for Max coding & agentic workflows」，即把设计目标明确放在软件工程任务和多步工具调用上。^[1]

混合专家结构是这组数字能够成立的原因。模型并不为每个词元（token）运行全部参数，而是先做一次路由，把每个词元交给少数几个专门的子网络。这样模型可以在磁盘上保有一个很大的参数池，却只付出一个小得多的模型的计算代价——在这里，激活的部分大约只有总量的二十三分之一。

思考方式与使用参数

MiniMax-M2 是一个交错思考（interleaved thinking）模型。它在给出答案之前会先在 `<think>` 块中写出推理过程，并可以在对话或工具调用继续进行时再次推理。MiniMax 的说明是：为了让模型发挥最好效果，`<think>` 的内容必须保留在对话历史中。^[1] 落到工程上，这意味着基于 M2 构建的应用应当把此前的推理轮次回传给模型，而不是为了节省上下文把它们删掉。

模型卡还给出了采样参数建议：temperature 1.0、top_p 0.95、top_k 40。^[1]

成绩

在 MiniMax 公布的基准上，M2 在 SWE-bench Verified 上得分 69.4，这一基准测试的是修复开源代码库中真实问题的能力，同一测试中 Claude Sonnet 4.5 为 77.2。它在 Terminal-Bench 上得分 46.3，该基准衡量在命令行环境中完成工作的能力；在 BrowseComp 上得分 44，该基准测试浏览与检索研究能力。^[1]

在 Artificial Analysis Intelligence Index 这一由多项评测汇总而成的综合分数上，M2 得 61 分。MiniMax 称这一成绩在开源模型中排名第一；同一指数上 Claude Sonnet 4.5 为 63 分。^[1]

模型卡还在自己的表格里把 M2 与其他模型并列。GPT-5 的思考模式在 SWE-bench Verified 上得 74.9、BrowseComp 上得 54.9，而 MiniMax-M2 分别是 69.4 和 44；在 Artificial Analysis Intelligence Index 上 GPT-5 得 69 分，Claude Sonnet 4 得 57 分。^[1] 把这些数字放在一起看，M2 在编程上接近但落后于当时最强的闭源模型，而它最核心的主张是在开源权重这一范围内领先。

获取方式与许可

在一段有限时间内，MiniMax 开放平台上的 API 是免费的，开发者无需付费账户即可试用。^[1] 公开的权重也让本地部署成为可能。

许可信息并不一致。模型页面链接的是 MIT 许可证，而同一页面的元数据标签写的是 modified-MIT。^[1] 打算把 M2 用于商业用途的人需要去读许可证正文，而不是只看摘要，因为这两个标签意味着不同的义务。

在模型序列中的位置

M2 是一个快速迭代序列中的一环：在大约三个半月内，MiniMax 先后发布了 M2、M2.1 和 M2.5。^[2] 这一点影响我们如何看待这个模型——M2 是一条快速移动的产品线上的一个快照，它的基准成绩描述的是某一次具体发布，而不是一个已经定型的水平。

它的意义来自几件事的组合，而非任何单个数字：一个参数池很大、激活量很小、明确面向编程与智能体任务调优的开源权重模型，配上看起来宽松的许可证和一段免费 API 窗口。对于不能把代码发给闭源 API 的团队，或者希望在自己的硬件上跑一个编程向模型的团队来说，这提供了一个值得认真考虑的选项。