00:00:00MiniMax 刚刚发布了 M2.5，这款编程模型的表现几乎超越了 Claude Opus 4.6，但成本仅为其十分之一。
00:00:07它就在前几天发布，提供开放权重，拥有 2300 亿参数，专为智能体（Agent）工作流打造。
00:00:14如果你正在构建 AI 智能体、AI 助手（Co-pilot）或自动化工具，它将在一夜之间改变你的成本结构。
00:00:19更离谱的不只是它的基准测试成绩，还有它的价格。
00:00:23我们经常会发布新视频，请务必记得订阅。
00:00:31MiniMax M2.5 是一款混合专家模型（MoE），总参数达 2300 亿，但运行时只有 100 亿活跃参数。
00:00:39所以你可以获得超大模型的性能，而无需每次都为全部参数买单。
00:00:43它专为现实世界的开发工作流设计，支持 Python、Java、Rust、多文件重构、工具调用循环，甚至是 Word 和 Excel 自动化。
00:00:53它有两个版本：标准版（Standard）速度为每秒 50 个 token，闪电版（Lightning）速度为每秒 100 个 token。
00:01:01它支持多语言，并在 Hugging Face 上完全开源了权重。
00:01:05这意味着你可以微调它、在本地运行并避免平台锁定，这正是智能体开发的精彩之处。
00:01:12我用相同的提示词让 Opus 和 MiniMax 分别构建一个全栈看板（Kanban board）。
00:01:18没给太复杂的任务，只是想测试一下它们构建应用的能力并进行对比。
00:01:23具体的提示词我放在了视频描述里供大家参考，我们先来看看 Opus 的版本，它花了大约 4 分钟运行。
00:01:31结果不出所料，我不需要第二次提示，这就是它的最终产出。
00:01:37整体非常流畅，运行良好，作为初始版本，UI 看起来也很不错。
00:01:44拖放功能正常，任务编辑也符合预期。我很喜欢这个带有对应文件夹的小标签，它会随拖动而改变，是个不错的加分项。
00:01:55总的来说，Opus 做得非常出色，这也符合我之前的预期。
00:02:00接下来看 MiniMax。它花了大约 8 分钟才完成，可能是因为我把它接入了 Cursor 而不是在官网运行，但我更喜欢在 Cursor 里用。
00:02:10虽然花的时间更长，但成本只有十分之一，所以这完全可以接受。
00:02:14总的来说，只用一次提示词它就做得很好。UI 虽略逊于 Opus，但功能是一样的。
00:02:22我可以创建任务，将它们拖放到正确的列中，这些基础功能都没问题。
00:02:27唯一的遗憾是它没有像 Opus 那样在每个卡片上添加那个我很喜欢的标签。
00:02:33另一点没做好的是编辑框描述的功能。
00:02:38如果我编辑描述，你会发现这里没有任何变化。
00:02:42所以我可能需要运行第二次提示来让它修复这个问题。
00:02:48但这依然没问题，毕竟成本只有十分之一。
00:02:51现在来谈谈开发者真正关心的：M2.5 使用强化学习来进行任务拆解。
00:02:58它能更好地分解问题，从而减少 20% 的工具调用并降低 5% 的 token 浪费。
00:03:06做过智能体的人都知道，工具调用是成本最高且最容易出错的地方。
00:03:13它还能处理多文件编辑、运行-调试-修复循环等任务，在工具切换时表现非常稳健。
00:03:21在搜索基准测试中，它比之前的 M2.1 减少了 20% 的搜索轮次。
00:03:27它还支持缓存，这意味着重复查询的成本会随时间而降低。
00:03:32你可以直接将其接入 Ollama、本地集群、GitHub 自动化或 CI 流水线。
00:03:37再来看看跑分，对比一下 Opus。
00:03:40在 SWE-bench Verified 上，M2.5 的得分超过了 80%。
00:03:45Claude Opus 4.6 略高一点，同样在 80% 出头。差距非常小。
00:03:52在 Multi-SWE-bench 上，它的得分超过 51%，领先于其他开源模型。
00:03:58而在 DROID 测试中，它实际上以 0.2% 的优势击败了 Opus。具体取决于你参考哪项指标。
00:04:05关于速度，它比前代模型快了 37%。虽然刚才演示花了 8 分钟，但别忘了背景。
00:04:11Opus 4.6 平均速度稍快，但在正确配置下，两者的速度其实旗鼓相当。
00:04:18这对你意味着什么？可能有几个方面。
00:04:20更少的重试次数、更干净的 CI 运行、更低的 token 损耗以及更多被合并的 PR。
00:04:26在智能体任务表现上，它已经进入了 GPT-5 或 Gemini 3 Pro 的梯队，
00:04:32但它是开放权重的。现在让我们来聊聊最核心的改变——
00:04:37即便它运行慢一点，那就是价格。
00:04:40M2.5 标准版的价格是每百万输入 token 0.15 美元，每百万输出 1.20 美元。
00:04:47闪电版是标准版的两倍：每百万输入 0.30 美元，输出 2.40 美元。
00:04:53以每秒 100 token 的速度运行闪电版一小时，成本大约是一美元。
00:04:56如果运行标准版（就像我刚才做的那样），每小时大约只需 30 美分。
00:05:00对比一下 Claude Opus 4.6，差别巨大。
00:05:04Opus 每百万输入 5 美元，输出 25 美元。
00:05:09在单个软件工程（SWE）任务上，得益于高效率和更少的工具调用，它的成本仅为 Opus 的 10% 左右。
00:05:15目前还有免费的 API 层级。虽然我这次是付费使用的，
00:05:20但他们确实提供了免费选项。这才是经济效益真正发生转变的地方。
00:05:24那么，你应该从 Opus 4.6 换过来吗？从性能上看，它们几乎不相上下。
00:05:30虽然我用标准版时慢了一点，但两者的表现基本一致。
00:05:34任务完成时间和推理深度都非常接近。
00:05:39但从成本来看，它便宜得惊人。所以你可以自己权衡。
00:05:43正如我之前提到的，它还减少了 20% 的工具调用，避免了 token 浪费。
00:05:47灵活性方面，它是开放权重的，你可以部署在本地，也可以进行微调。
00:05:52不过 Opus 在最顶级的尖端智能表现上可能仍保有一点优势。
00:05:57毕竟它仍是我们目前使用的顶级模型。
00:06:00这件事之所以重要，是因为现在你可以规模化运行智能体，而无需承受巨大的价格负担。
00:06:05由于 M2.5 在高级智能体基准测试中有 59% 的胜率，你可以构建自主的代码库机器人、
00:06:12运行持久化的编程智能体、自动化企业工作流等等。它不完美，
00:06:17但就我们所见，它已经非常出色了。极低的价格能让你放手实验并进行全面测试。
00:06:22而且 MiniMax 的更新速度极快，以周为单位进行迭代。
00:06:27Ollama 和 GitHub 的集成也已经在快速推进中。
00:06:32MiniMax M2.5 以平民价格提供了 Opus 级别的编程性能，且具备开放权重。这种组合非常罕见。
00:06:38谁知道 2026 年还会发生什么呢？你现在可以在 MiniMax 官网免费测试，或者在 Ollama 上运行，也可以像我一样购买 API。
00:06:43它会成为开发者智能体的新一代默认模型吗？让我们拭目以待。
00:06:48下个视频再见。