跳到正文
MiniMax 模型发布·· 6 小时前精选AI 评分82

MiniMax 开源 MoE 模型 MiniMax-M2，230B 总参数 10B 激活

MiniMaxAI/MiniMax-M2

AI 导读

MiniMax 发布并开源 MiniMax-M2，这是一个面向编码与智能体工作流的 MoE 模型，总参数 230B、激活参数 10B。官方称其在 Artificial Analysis 综合评分中位列开源模型第一，SWE-bench Verified 得分 69.4、Terminal-Bench 46.3、BrowseComp 44。

推荐理由

原文给出了完整的基准对比和部署方式，读者可据此判断这款小激活量 MoE 模型在编码与智能体任务上的位置。

正文 · AI 翻译

认识 MiniMax-M2

今天，我们发布并开源 MiniMax-M2，这是一个为极致编程与智能体工作流打造的迷你模型。

MiniMax-M2 重新定义了智能体的效率。它是一个紧凑、快速且高性价比的 MoE 模型（总参数 2300 亿，激活参数 100 亿），专为编程与智能体任务中的顶尖性能而打造，同时保持强大的通用智能。凭借仅 100 亿激活参数，MiniMax-M2 提供了当今领先模型所应具备的复杂、端到端工具使用性能，但其精简的形态使部署和扩展比以往任何时候都更容易。

亮点

卓越智能。根据 Artificial Analysis 的基准测试，MiniMax-M2 在数学、科学、指令遵循、编程和智能体工具使用方面展现出极具竞争力的通用智能。其综合得分在全球开源模型中排名第一。

先进编程。MiniMax-M2 专为端到端开发者工作流而设计，擅长多文件编辑、编码-运行-修复循环以及经测试验证的修复。在 Terminal-Bench 和（Multi-）SWE-Bench 风格任务上的强劲表现，证明了其在跨语言终端、IDE 和 CI 中的实际有效性。

智能体性能。MiniMax-M2 可跨 shell、浏览器、检索和代码运行器规划并执行复杂的长期工具链。在 BrowseComp 风格的评估中，它能持续定位难以发现的来源，保持证据可追溯，并优雅地从不稳定步骤中恢复。

高效设计。凭借 100 亿激活参数（总计 2300 亿），MiniMax-M2 为交互式智能体和批量采样提供更低的延迟、更低的成本和更高的吞吐量——完美契合向高度可部署模型的转变，同时仍在编程和智能体任务上表现出色。

编程与智能体基准测试

这些全面评估测试了真实世界的端到端编程和智能体工具使用：编辑真实代码库、执行命令、浏览网页并提供可用的解决方案。该套件上的性能与开发者在终端、IDE 和 CI 中的日常体验相关。

基准测试 MiniMax-M2 Claude Sonnet 4 Claude Sonnet 4.5 Gemini 2.5 Pro GPT-5 (thinking) GLM-4.6 Kimi K2 0905 DeepSeek-V3.2
SWE-bench Verified 69.4 72.7 * 77.2 * 63.8 * 74.9 * 68 * 69.2 * 67.8 *
Multi-SWE-Bench 36.2 35.7 * 44.3 / / 30 33.5 30.6
SWE-bench Multilingual 56.5 56.9 * 68 / / 53.8 55.9 * 57.9 *
Terminal-Bench 46.3 36.4 * 50 * 25.3 * 43.8 * 40.5 * 44.5 * 37.7 *
ArtifactsBench 66.8 57.3* 61.5 57.7* 73* 59.8 54.2 55.8
BrowseComp 44 12.2 19.6 9.9 54.9* 45.1* 14.1 40.1*
BrowseComp-zh 48.5 29.1 40.8 32.2 65 49.5 28.8 47.9*
GAIA (text only) 75.7 68.3 71.2 60.2 76.4 71.9 60.2 63.5
xbench-DeepSearch 72 64.6 66 56 77.8 70 61 71
HLE (w/ tools) 31.8 20.3 24.5 28.4 * 35.2 * 30.4 * 26.9 * 27.2 *
τ²-Bench 77.2 65.5* 84.7* 59.2 80.1* 75.9* 70.3 66.7
FinSearchComp-global 65.5 42 60.8 42.6* 63.9* 29.2 29.5* 26.2
AgentCompany 36 37 41 39.3* / 35 30 34

注：标有星号（*）的数据点直接取自模型的官方技术报告或博客。所有其他指标均使用下文描述的评估方法获得。

  • SWE-bench Verified：我们在 OpenHands 之上使用与 R2E-Gym（Jain et al. 2025）相同的脚手架，用智能体在 SWE 任务上进行测试。所有分数均在我们的内部基础设施上验证，上下文长度为 128k，最大步数为 100，且不使用测试时扩展。所有与 git 相关的内容均被移除，以确保智能体只能看到问题所在位置的代码。
  • Multi-SWE-Bench & SWE-bench Multilingual：所有分数均为使用 claude-code CLI（最大步数 300）作为评估脚手架进行 8 次运行后的平均值。
  • Terminal-Bench：所有分数均使用来自原始 Terminal-Bench 仓库（commit 94bf692）的官方 claude-code 进行评估，取 8 次运行的平均值以报告平均通过率。
  • ArtifactsBench：所有分数均使用 ArtifactsBench 的官方实现，以稳定的 Gemini-2.5-Pro 作为评判模型，对三次运行取平均值计算得出。
  • BrowseComp & BrowseComp-zh & GAIA（纯文本）& xbench-DeepSearch：所有报告的分数均使用与 WebExplorer（Liu et al. 2025）相同的智能体框架，并对工具描述做了小幅调整。我们遵循 WebExplorer（Liu et al. 2025）的做法，使用 103 个样本的纯文本 GAIA 验证子集。
  • HLE（带工具）：所有报告的分数均使用搜索工具和一个 Python 工具获得。搜索工具采用与 WebExplorer（Liu et al. 2025）相同的智能体框架，Python 工具在 Jupyter 环境中运行。我们使用纯文本的 HLE 子集。
  • τ²-Bench：所有报告的分数均使用“带工具使用的扩展思考”，并采用 GPT-4.1 作为用户模拟器。
  • FinSearchComp-global：GPT-5-Thinking、Gemini 2.5 Pro 和 Kimi-K2 报告的是官方结果。其他模型使用开源 FinSearchComp（Hu et al. 2025）框架进行评估，同时使用搜索和 Python 工具，并同时启动以保证一致性。
  • AgentCompany：所有报告的分数均使用 OpenHands 0.42 智能体框架。

智能基准

我们与 Artificial Analysis 保持一致，其采用一致的方法论汇总具有挑战性的基准，以反映模型在数学、科学、指令遵循、编程和智能体工具使用方面的更广泛智能画像。

指标（AA） MiniMax-M2 Claude Sonnet 4 Claude Sonnet 4.5 Gemini 2.5 Pro GPT-5（思考） GLM-4.6 Kimi K2 0905 DeepSeek-V3.2
AIME25 78 74 88 88 94 86 57 88
MMLU-Pro 82 84 88 86 87 83 82 85
GPQA-Diamond 78 78 83 84 85 78 77 80
HLE（无工具） 12.5 9.6 17.3 21.1 26.5 13.3 6.3 13.8
LiveCodeBench（LCB） 83 66 71 80 85 70 61 79
SciCode 36 40 45 43 43 38 31 38
IFBench 72 55 57 49 73 43 42 54
AA-LCR 61 65 66 66 76 54 52 69
τ²-Bench-Telecom 87 65 78 54 85 71 73 34
Terminal-Bench-Hard 24 30 33 25 31 23 23 29
AA 智能 61 57 63 60 69 56 50 57

AA：MiniMax-M2 的所有分数均与 Artificial Analysis 智能基准方法论保持一致（https://artificialanalysis.ai/methodology/intelligence-benchmarking）。其他模型的所有分数均报告自 https://artificialanalysis.ai/。

为什么激活规模很重要

通过将激活保持在 10B 左右，智能体工作流中的计划 → 行动 → 验证循环得以简化，从而提升响应速度并降低计算开销：

  • 在编译-运行-测试和浏览-检索-引用链路中实现更快的反馈周期。

  • 在相同预算下，为回归测试套件和多随机种子探索提供更多并发运行。

  • 凭借更小的单请求内存和更稳定的尾部延迟，实现更简单的容量规划。

简而言之：10B 激活 = 响应迅速的智能体循环 + 更好的单位经济性。

概览

如果你需要前沿级别的编程和智能体能力，又不想承担前沿级别的成本，MiniMax-M2 正是理想之选：推理速度快、工具调用能力强，且部署友好。

我们期待你的反馈，也期待与开发者和研究者合作，让智能协作的未来更近一步。

如何使用

本地部署指南

从 HuggingFace 仓库下载模型：https://hf-mirror.com/MiniMaxAI/MiniMax-M2。我们推荐使用以下推理框架（按字母顺序排列）来部署模型：

SGLang

我们推荐使用 SGLang 来部署 MiniMax-M2。SGLang 为 MiniMax-M2 模型提供了可靠的 day-0 支持。更多详情请参阅我们的 SGLang 部署指南，并衷心感谢与 SGLang 团队的合作。

vLLM

我们推荐使用 vLLM 来部署 MiniMax-M2。vLLM 为 MiniMax-M2 模型提供了高效的 day-0 支持，请查看 https://docs.vllm.ai/projects/recipes/en/latest/MiniMax/MiniMax-M2.html 获取最新部署指南。我们还提供了 vLLM 部署指南。

MLX

我们推荐使用 MLX-LM 来部署 MiniMax-M2。更多详情请参阅我们的 MLX 部署指南。

Transformers

我们推荐使用 Transformers 来部署 MiniMax-M2。更多详情请参阅我们的 Transformers 部署指南。

推理参数

我们推荐使用以下参数以获得最佳性能：temperature=1.0、top_p = 0.95、top_k = 40。

重要：MiniMax-M2 是一个交错思考模型。因此，在使用时，务必保留历史消息中助手轮次的思考内容。在模型的输出内容中，我们使用 <think>...</think> 格式包裹助手的思考内容。使用模型时，必须确保历史内容以原始格式传回。不要移除 <think>...</think> 部分，否则会对模型性能产生负面影响。

工具调用指南

请参阅我们的 工具调用指南。

社区展示

以下项目由社区/合作伙伴构建和维护。它们不是 MiniMax 官方产品，结果可能有所不同。

联系我们

联系我们：[email protected] | 微信。

来源：MiniMax 模型发布 · hf-mirror.com

MiniMaxAgent 智能体AI 编码开源生态模型发布#模型发布#Agent#编码#开源/仓库