关于MiniMax-M2.5
MiniMax-M2.5是MiniMax最新的大型语言模型，经过数以万计真实复杂环境的强化学习训练。基于229B参数的MoE架构，它在编码、智能工具使用、搜索和办公方面达到了最先进的表现，在SWE-Bench Verified上得分80.2%，其推理速度比M2.1快37%。
利用MiniMax-M2.5的229B MoE架构和强化学习优化，推动高性能、具有成本效益的代理工作流程。
建筑师级系统设计
超越片段开发，实现全生命周期开发。M2.5计划系统架构、UI设计和跨多个平台的后台逻辑。
用例示例：
"设计了一个跨平台的Rust和Flutter实时消息应用，生成了完整的后端API方案和环境设置，在单个会话中完成。"
自主专业研究
部署代理进行深网探测。M2.5使用RISE级搜索能力从密集的专业级信息源合成信息。
用例示例：
"对固态电池专利进行深度竞争分析，浏览了50多篇技术论文，生成了综合的市场景观报告。"
高价值办公室自动化
自动化财务和法律中复杂的交付物。M2.5处理专业级Excel建模、Word起草和PowerPoint生成。
用例示例：
"为一家B轮初创公司构建了动态Excel财务模型，整合了自动敏感性分析和专业级投资者演示文稿。"
高通量代码审计
以每秒100 token的速度进行大规模代码库审查。以‘低价高效’的方式识别逻辑缺陷并优化性能。
用例示例：
"审核了一个100,000行的Go微服务代码库的并发错误，识别出三个关键的竞争条件，比以前的模型效率提高了37%。"
元数据
规格
州
Deprecated
建筑
MoE
校准的
不
专家混合
是
总参数
229B
激活的参数
推理
不
精度
FP8
上下文长度
197K
最大输出长度
与其他模型进行比较
看看这个模型与其他模型相比表现如何。
MiniMaxAI
chat
MiniMax-M2.1
上下文长度：
197K
最大输出长度：
131K
Input:
$
0.29
/ M Tokens
Output:
$
1.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M2
上下文长度：
197K
最大输出长度：
131K
Input:
$
0.3
/ M Tokens
Output:
$
1.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M1-80k
上下文长度：
131K
最大输出长度：
131K
Input:
$
0.55
/ M Tokens
Output:
$
2.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M3
上下文长度：
1049K
最大输出长度：
131K
Input:
$
0.3
/ M Tokens
Output:
$
1.2
/ M Tokens
MiniMaxAI
chat
MiniMax-M2.5
上下文长度：
197K
最大输出长度：
Input:
$
0.3
/ M Tokens
Output:
$
1.2
/ M Tokens
