MiniMax M2 发布即爆，拿下开源模型第一名

前阵子和一位设计师聊天，他们公司在做一款 Vibe Coding 产品，他自己都快转产品经理了，成天写提示词，测试产品，一通操作猛如虎，钱花了，效果还是很拉垮。

我总感觉这方向有点问题，当时有个直觉，纯粹的 Vibe Coding 工具，有可能被基座模型厂商顺手推出的 Agent 给收敛掉。

这个直觉很快被验证了，ChatGPT 在今年 7 月推出 Agent 之后，一直在优化 Agent 的动手能力。国内当然也没闲着，这不，10 月 27 日大模型厂商 MiniMax 发布了新一代文本大模型 M2，并推出由 M2 驱动的 MiniMax Agent。

这款开源模型相当厉害，推出即成爆款，发布三天登上 OpenRouter 平台全球调用量第四、编程场景第一。在第三方评测机构 Artificial Analysis 的测试中，Minimax M2 以 61 分获得了开源模型第一名，全球第五。

MiniMax-M2 是一个庞大的 Mixture of Experts（专家混合）模型，总参数量达 230B，但每次激活参数只有 10B。也就是说，它能在需要时像巨型模型一样思考，却只花费小模型的推理成本。

M2 驱动 Agent，实现了从模型到 Agent 的一体化方案：大脑足够聪明，手脚也要灵活高效。MiniMax 称其为一款“轻量级模型”，却拥有“最大”的编程与智能体工作流能力。

M2 的目标很明确：以更低成本和更快速度支撑 Agent 与编程的端到端（从输入到输出全流程一次搞定，无需中间干预）工作流，在复杂工具调用、深度搜索与代码开发等场景，接近世界前沿的智能表现，同时将价格压至 Claude Sonnet 的约 8%、推理速度提升至约 2 倍，让高效 Agent 更智能，更可用，价格也更加实惠。

更具体地说，M2 不仅能够提升多步任务的规划和稳定性，还能协同调用 Shell、Browser、Python 和各类 MCP 工具；写代码支持多文件编辑、运行和调试；同时通过高效激活参数的设计与长上下文窗口，在智能、速度与成本之间取得更好的平衡。

1

过去两年，AI 世界吵得最热的就是“Vibe Coding”“长程规划”“多文件协同”等等，但真正能把“编码—运行—调试—修复”闭环跑通的模型并不多。现在看起来，M2 是要从模型层面把这条链补齐：既能写代码、改代码，还能自己把项目跑起来、对着测试用例过一遍，再把失败的用例修复掉。从 Chat 到 Action，Agent 不再停留在 demo 里。

更值得关注的是明确的数据信号：M2 在 Artificial Analysis（AA）综合榜单进入全球前五，开源第一；在 OpenRouter 调用量跻身全球第四、编程场景第一。这种实打实的数据说明：这不是一次仅仅参数好看的升级，而是一个能把任务端到端跑通、可以被开发者持续调用、并且能在成本与速度上进入可用区间的“生产力大模型”。

榜单数据最容易误读的地方在于“单项冠军”式的幻觉。M2 这次的定位更像“全能工程师”：数学、科学、编码三条线全方位出击，网页端编程能力在 LMArena Web Dev 评测中全球第四（超过 Claude 4.5）；

同时，MiniMax-M2 在一系列强调端到端编码和智能体工具使用的基准测试中表现优异。这些任务（如 SWE-bench, Terminal-Bench, BrowseComp, HLE (w/ tools), FinSearchComp-global 等）的执行，和开发者在终端、IDE 和 CI 中的日常体验是高度相关的。

这也解释了 M2 为什么会在开发者社区里的迅速扩散，x.com 和 reddit 上的 AI 从业者和开发者对 M2 称赞有加。比如 HuggingFace 的联合创始人 Thomas Wolf 就说：

2

在我看来，M2 这次祭出了三件武器：代码、Agent、Deep Search。

一、代码闭环。M2 支持多文件、多步长交互，能在本地/沙箱里把项目跑起来；配合 Terminal-Bench 与（Multi-）SWE-Bench 类任务，体现的是“把编译过一遍”的确定性。编码—运行—调试这条链条顺畅与否，决定了它是否能真正替人分担。

二、Agent 能力。M2 不是单点模型，而是 Agent 的底座：会规划、会拆解、会调度工具。它能调用 Shell、Python、浏览器以及第三方 MCP 工具，遇到错误能自我纠错、从断点恢复。在 BrowseComp 这类强调检索、验证与可追溯性的基准里表现稳健，这种“可追责的自动化”是工程场景的刚需。

三、Deep Search。复杂任务成败常常取决于“找到对的材料”。M2 在 Xbench-DeepSearch 全球前二（仅次于 GPT-5），在 字节的 FinSearchComp-global 金融搜索基准上全球前二（仅次于 Grok4），意味着它在结构化事实搜集与证据拼接方面具备相当竞争力。

围绕上述能力，MiniMax Agent 给出了两种模式：专业和高效。

专业模式：面向复杂长程任务，如全栈开发、深度研究、PPT 生成。

高效模式：轻量高速，适合问答、轻代码、快速搜索等大多数任务，通过 Agentic 的工具协同来“降维打击”传统 Chat 模型。

用户可以根据自己需求在这两种模式之间切换。

3

能干活的模型是什么样呢？纸面上的指标终究要回到屏幕上的结果。目前 M2 全球限时免费两周，那我肯定是要试试看，M2 的“手”到底有多稳。

我首先把一篇 27 页的英文 pdf 丢给 MiniMax Agent（https://agent.minimax.io），这是一份 2025 年 AI 相关的人才就业信息，给出的任务是：

把这篇 2025 年 AI 人才就业报告翻译成中文并作成 20 页左右的 PPT，格式简洁，参考乔布斯演讲的幻灯片风格。

后面就是 MiniMax Agent 的 show time 了：

最后，一份极简风格的幻灯片就做出来了：

https://lyyxopngoyfe.space.minimax.io

这个任务的难点是，27 页的英文报告需要整合成 20 页的中文幻灯片，幻灯片还要采用乔布斯演讲的极简风格，从结果看，MiniMax Agent 完成得相当不错。

第二个任务是基于墨问的知识库设计稿，做一个可以动态交互的知识库首页。事实上这正是我们当下在做的工作。设计稿如下：

任务指令是：

这是墨问知识库的首页设计稿，知识库的名字叫（让时间为你证明），请根据设计稿完成动态首页的实现，能够简单交互和演示。

MiniMax 又开始干活了：

经过几次交互确认之后，MinxMax Agent 完成了这份工作：

https://f32vvzk842fm.space.minimax.io

第三个任务是研究报告，我的提示词是：

目前很多大模型厂商都在把自家模型和 Agent 集成在一起，可以直接完成类似 Vibe Coding 的任务，那么之前独立的 Vibe Coding 产品会不会被取代并失去使用价值。另外研究一下 Vibe Coding 工具和类似 Cursor、Trae 这样的 AI IDE 未来的发展方向。

MinxMax Agent 在深度研究和搜索方面的表现更加驾轻就熟，很快给出了一份翔实的报告，包括摘要、发现、产品分析、趋势预测和战略建议等等。如果我是一个 Vibe Coding 产品的创始人，相信这份报告是有价值的。

把这些案例合在一起，会发现一个共同点：提示词清晰简短即可，AI 不明白的地方会和用户进行二次确认，结果却是越来越完整了。当模型开始在系统里调度工具、尊重设计规范、对齐实现目标时，“写提示词”的技能边际价值下降，“交付成果”的能力上升了。

4

功能强不意味着价格贵，特别是在 2025 年。M2 的输入 tokens 每百万单位是 $0.3 / 输出是 $1.2（约合人民币 2.1 元 / 8.4 元）的标价，价格仅仅是 Claude 的 8%；再加上 ~100 TPS 的吞吐和阶段性的全球限时免费，它把“强模型”拉进了规模使用的区间里。对于个人开发者与中小团队，这等于把迭代成本和试错半径都缩小了一圈。

简单来说就是，赶紧用啊，有羊毛薅的时候别犹豫，薅完羊毛价格也能接受。

更重要的是模型和产品的打磨：“模型和 Agent 一体化”把模型与应用端到端优化到一体化系统里，延迟更低、吞吐更高，同时“更懂任务”。这就是模型和 Agent 结合的优势：跨系统的“胶水”越少，Agent 的反馈回路就越短。

5

如果说当年的 ChatGPT 把自然语言和 AI 对话变成了一种可能，Claude 把自然语言编程变成了一种可能，现在，M2 这一类强调工具链协作与自动调整的模型，就是把“能干活”这件事大规模地推了下去。

从 Chat 到 Action，从语言智能到行动智能，应该是这代模型的分水岭。M2 与 MiniMax Agent 的组合把“模型”与“Agent”焊接在一起，成为一个协作者：它像一个会自己找资料的新人，会照着规范写页面、会看测试修 bug、会把研究笔记整理成 PPT。我们需要的不再是一段灵感，而是一个会干活、能复盘、敢上生产线的数字同事。

可以用起来了：agent.minimax.io