大模型春晚3.0，MiniMax-M2.5 开源，Ollama 免费云模型上线，一键配置Claude Code、OpenCode

• 昨天 MiniMax 放出了 M2.5，从去年 10 月 M2 到现在，短短三个半月，M2、M2.1、M2.5 三连发，这更新速度真的有点疯。

这次 M2.5：编程能力直接干到全球第一梯队，价格却只有 Claude Opus 的十分之一。

事无巨细介绍该模型之前，先看我的体验

我用的官网测试其阅读理解+svg 代码生成 + 审美能力

下图是 M2.1 时的测试

到 M2.5 再测，有瑕疵，但是加入了很多细节和巧思：采用米宣纸色调、深青色父亲轮廓（有点抽象）与朱红橘子点缀，如果不是文字的堆叠 bug，感觉比一众旗舰模型都要优秀了

阿里 Qwen3-Max-Thinking 在这题的表现虽然完美，但是细节不如 M2.5

很久没有逛官网，发现它又有了新功能——可重复使用的专家

有很多已有专家，MiniMax Agent 也可以根据描述自行创建

官方也出了很多好用的文档处理相关的专家，这也不是什么创新，N 多平台都有类似，只是叫法不一

它的快速模式和全能模式，我也试了

同样的任务，全能模式不一定更强，还是要看任务复杂程度，比如同题目，它还不是快速模式，很平庸

我的测试仅代表个人感受，不全面

官方测试用例，有一个LandingPage设计，看起来很强

然后就是 Ollama 又来送福利了

一键启动：ollama run minimax-m2.5:cloud

一键配置OpenCode, Claude Code, Codex, OpenClaw

ollama launch opencode --model minimax-m2.5:cloud

我刚找到 Ollama 免费额度查询地址：`https://ollama.com/settings

Session 是每两小时刷新，周限制是每三天刷新

详细介绍

MiniMax M2.5 整体评测对比：在 SWE-Bench、Multi-SWE-Bench、BrowseComp 等多个基准测试中均达到 SOTA

MiniMax M2.5 整体评测对比：在 SWE-Bench、Multi-SWE-Bench、BrowseComp 等多个基准测试中均达到 SOTA

核心数据一览：

• SWE-Bench Verified 拿了 80.2%，和 Claude Opus 4.6 的 80.8% 几乎打平
• Multi-SWE-Bench（多语言编程）51.3%，直接超过了 Opus 4.6 的 50.3%
• BrowseComp 搜索能力 76.3%，更是把 Opus 甩了快 10 个百分点

一句话总结：编程不输 Opus，搜索吊打全场，价格只有十分之一。

编程能力：像架构师一样思考

M2.5 最让我印象深刻的是它的"编程思维"

官方说它有一个叫 "Spec-writing tendency"（规格书写倾向） 的特性——在动手写代码之前，它会先拆解功能、规划结构、设计 UI。这不就是一个高级工程师的工作方式吗？先想清楚再写代码，而不是上来就"啪啪啪"一顿敲。

编程评测详细数据：SWE-Bench 系列、Terminal Bench 2 等编程基准测试

编程评测详细数据：SWE-Bench 系列、Terminal Bench 2 等编程基准测试

而且它的适用范围不止是写 Python 脚本。

M2.5 在 10 多种编程语言 上接受训练，包括 Go、C、C++、TypeScript、Rust、Kotlin、Python、Java、JavaScript、PHP、Lua、Dart、Ruby，在 20 万个真实世界环境 中训练。

更夸张的是，M2.5 能处理全栈开发的完整生命周期：

• 从 0 到 1：系统设计、环境搭建
• 从 1 到 10：功能迭代、代码审查、测试
• 跨平台：Web、Android、iOS、Windows、Mac 全覆盖

在不同编程工具的 Scaffold 上也表现稳定：

• Droid 上：79.7（M2.5）> 78.9（Opus 4.6）
• OpenCode 上：76.1（M2.5）> 75.9（Opus 4.6）

也就是说不管你用什么编程工具框架，M2.5 都能打。

Agent 能力：不只写代码，还能干活

VIBE-Pro 是 MiniMax 自己设计的内部 benchmark，用来衡量模型在 Agent 场景下的实际工作能力。M2.5 在 Web、Simulation、Android、iOS 四个子集上的平均得分 54.2%，和 Opus 4.6 的 55.2% 不相上下，远超 GPT-5.2 的 36.9%。

VIBE-Pro 各子集详细得分：Web、Simulation、Android、iOS 端表现

VIBE-Pro 各子集详细得分：Web、Simulation、Android、iOS 端表现

搜索与工具调用：比上一代提升 20%

搜索和工具调用能力上，M2.5 进步巨大：

• BrowseComp（网页搜索）：76.3%，远超 Opus 4.6 的 67.8%
• Wide Search：70.3%
• RISE（多步信息检索和推理）：50.2%
• BFCL multi-turn（多轮工具调用）：76.8%

搜索与工具调用评测：BrowseComp、Wide Search、RISE、BFCL 多轮测试

搜索与工具调用评测：BrowseComp、Wide Search、RISE、BFCL 多轮测试

一个特别有意思的细节：M2.5 完成搜索任务时，平均所需的交互轮数比上一代减少了约 20%。也就是说它不仅搜得准，而且搜得快、搜得省。

办公与专业场景

M2.5 不只是一个"编程机器"，在办公场景下也很能打：

• GDPval-MM（多模态办公任务）：59% 平均胜率
• MEWC（微软 Excel 世界锦标赛题目）：74.4%，远超 Opus 4.6 的 55.6%
• Finance Modeling（金融建模）：59%

办公场景评测：GDPval-MM、MEWC、Finance Modeling

办公场景评测：GDPval-MM、MEWC、Finance Modeling

这里特别说一下 MEWC 那个 74.4% 的成绩——这可是用微软 Excel 世界锦标赛 2021-2026 年的题目来考的，Opus 才 55.6%，GPT-5.2 才 41.3%。说明 M2.5 在处理复杂表格和数据分析方面确实有两把刷子。

速度与成本：这才是真正的杀手锏

说到这里其实已经很猛了，但 MiniMax M2.5 最炸裂的还是价格。

M2.5 有两个版本：

• M2.5：吞吐 50 tokens/秒
• M2.5-Lightning：吞吐 100 tokens/秒（比其他前沿模型快 2 倍）

价格方面：

• 输入：**$0.3/百万 Token**
• 输出：**$2.4/百万 Token**
• 两个版本都支持缓存

来算一笔账：

• 100 TPS 连续跑 1 小时 = $1
• 50 TPS 连续跑 1 小时 = $0.3
• 4 个 M2.5 实例跑一整年 = $10,000

这意味着什么？输出价格只有 Claude Opus、Gemini 3 Pro、GPT-5 的十分之一到二十分之一。

同样的 SWE-Bench Verified 评测，M2.5 每个任务平均消耗 352 万 Token，而 M2.1 要 372 万。用时也从 31.3 分钟缩短到 22.8 分钟，**提速 37%**，和 Claude Opus 4.6 的 22.9 分钟几乎一样。

更快、更省、更便宜——这才是让 Agent 真正大规模落地的前提。

进化速度：三个半月追上全球第一梯队

MiniMax 还放了一张非常有说服力的图——SWE-Bench Verified 分数进化曲线：

SWE-Bench Verified 分数进化曲线：MiniMax 从 2025 年 2 月到 2026 年 2 月的进步速度超过 Anthropic、OpenAI、Google

SWE-Bench Verified 分数进化曲线：MiniMax 从 2025 年 2 月到 2026 年 2 月的进步速度超过 Anthropic、OpenAI、Google

从 2025 年 10 月 M2 发布到现在，短短三个半月，MiniMax 在 SWE-Bench Verified 上的进步斜率明显陡于 Anthropic（Sonnet/Opus）、OpenAI（GPT）和 Google（Gemini）。这个追赶速度真的很吓人。

技术架构：Forge 强化学习框架

M2.5 背后的训练框架叫 Forge，一个 Agent-Native 的强化学习框架。

Forge 强化学习框架架构图

核心设计思路：

• Black Box + White Box 双模式：既能处理不可微环境反馈（如代码执行结果），也能处理可微信号
• Middleware 中间件层：Gateway Server 负责分发任务、管理并发
• Data Pool 数据池：所有的 trajectory 统一收集、过滤、复用

这个框架的关键在于：它让模型在真实环境中试错，而不是在合成数据上学习。这可能是 MiniMax 能在 Agent 场景上表现这么强的核心原因。

怎么用

M2.5 兼容 Anthropic API 和 OpenAI API 协议，可以无缝接入各种编程工具。

在 Claude Code 中使用（推荐）：

编辑 ~/.claude/settings.json：

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.minimax.com/anthropic",
    "ANTHROPIC_AUTH_TOKEN": "<你的 MiniMax API Key>",
    "API_TIMEOUT_MS": "3000000",
    "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": 1,
    "ANTHROPIC_MODEL": "MiniMax-M2.5",
    "ANTHROPIC_SMALL_FAST_MODEL": "MiniMax-M2.5",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "MiniMax-M2.5",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "MiniMax-M2.5",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "MiniMax-M2.5"
  }
}

除了 Claude Code，M2.5 还支持 Cursor、TRAE、OpenCode、Kilo Code、Cline、Roo Code、Droid、Zed 等主流编程工具，基本上你能想到的 AI 编程工具都能用。

制作不易，如果这篇文章觉得对你有用，可否点个关注。给我个三连击：点赞、转发和在看。若可以再给我加个🌟，谢谢你看我的文章，我们下篇再见！