MiniMax M2.5 — 现实世界生产力的后训练进化里程碑

MiniMax M2.5

发布日期： 2025-06-01
来源： MiniMax 官方博客 / arXiv 2605.26494
工程范式： 硬核系统协同设计——后训练管线进化的中间里程碑。

设计哲学

M2.5 是 M2 系列后训练管线进化的关键节点，定位为 面向现实世界生产力的推理模型。核心改进来自在大规模 RL 训练中引入数十万个复杂真实世界环境，而非合成基准。

关键价值主张：极低推理成本 + 极快执行速度。运行成本低至 $1/小时（100 tokens/s） 或 $0.30/小时（50 tokens/s）。

关键架构决策

• 基座： M2 系列 229.9B/9.8B 激活模型
• 训练数据： 数十万复杂真实世界环境中的 RL 训练
• 推理优化： 学会高效推理和最优任务分解
• 执行速度： SWE-bench Verified 评估比 M2.1 快 37%，匹配 Claude Opus 4.6 速度

关键结果

基准	M2.5	M2.1	Claude Opus 4.6
SWE-bench Verified	80.2%	-	SOTA
Multi-SWE-Bench	51.3%	-	-
BrowseComp	76.3%	-	-
执行速度	+37% vs M2.1	基线	匹配
成本（100 tok/s）	$1/小时	-	$15/小时+
多语言编码	显著提升	-	-

范式对比

维度	M2.5	M2	Opus 4.6
SWE-bench	80.2%	-	SOTA
速度	+37% vs M2.1	基线	快
成本	极低	低	高
定位	生产力推理	通用推理	深度推理

可复用的工程经验

1. 真实世界环境数据的 RL 训练是提升实际能力的最有效途径 —— 非合成的数十万个环境覆盖了更广的分布
2. 推理速度优化是推理模型的关键维度 —— M2.5 比 M2.1 快 37%，这个速度提升对用户体验和成本都是质变
3. 极低成本推理（$1/小时）打开了新的应用场景 —— 可以持续运行、持续监控、批量处理
4. 多语言编码在推理模型场景中有显著提升空间 —— M2.5 在此方面展现出突出改进