啊?一个月一个版本? MiniMax-M2.5 4000万 token 实测!

合集 · 大模型竞技场 (78)

Description

啊? 一个月一个版本? MiniMax-M2.5 4000万 token 实测!

昨天刚说完国产大模型进入了每月迭代的节奏, 今天测试就来了! 给大家带来 MiniMax-M2.5 的编程、Agent、长上下文能力全面测试!

这次总计消耗大约 4000 万 token, 跑完了指令遵循、物理仿真、长文本召回和 Agent 外卖骑手等整套测试.

测试重点:
指令遵循(洛希极限): 部分遵循率 80%, 完全正确率 65.9%;
大象牙膏与鞭炮测试: 物理细节明显提升, 尤其 4 substep 迭代后几乎看不到穿模;
长文本召回: 均值 96.7%+, 但出现无参考也有 50.1% 正确率的异常, 本次分数仅作参考;
Agent 测试: 总分 599, 较 M2.1 提升 42.8%, 每公里利润提升 36.5%, 准时率从 48.4% 提升到 69.6%.

另外还有一个很惊喜的点: MiniMax-M2.5 输出速度可以稳定在 100 token/s, 配合 10B 激活参数, 在追求吞吐和响应速度的 Agent 场景里优势非常明显 (用 OpenClaw 的同学是不是已经跃跃欲试了哈哈哈). 另外API并发给得也很高.

一句话评价: 这版 MiniMax-M2.5 是 "性价比+实用性" 都在线的升级版, 值得重点关注. 

(P.S. 本次评测使用的是内测API)

Comments

华莱士餐厅 2026-02-13

隔壁还在和minimax商战

♥ 33 ↩ 6

西江月amigo 2026-02-13

建议长文本测试可以自己插针，改变一点小小的剧情看看模型是否读到

♥ 19 ↩ 1

松尾芭乐乐乐 2026-02-13

看起来还是不行，2.1和2.5几乎是同一个东西，看起来像是为了跟风而揠苗助长的产品，这个模型是个喜欢忽略关键信息的模型，从m2依赖都是如此。

♥ 18

取名是我过不去的坎 2026-02-13

看起来远不如glm5呀

♥ 12 ↩ 1

屋顶证人 2026-02-13

看来k2.5还是强啊

♥ 8 ↩ 1

Cassini-ichi432 2026-02-13

看来小模型，还是不行，再怎么训也不行[辣眼睛]

♥ 8 ↩ 12

阳关客 2026-02-14

“建议官方修正语料”没什么根据，模型把哈利波特小说放进训练集很正常，记得的多反而说明训练效果好。要测长文本的话就应该换个没出现在训练集的文本，例如程序生成的材料。而不是说因为你的测试集包含了哈利波特，就建议官方剔除哈利波特，这毫无道理。

♥ 6

士多啤梨摄像机 2026-02-14

哥们，赶紧测一测豆包2.0吧。

♥ 6

沐羽白Loving 2026-02-14

测测豆包2.0吧，没有一个up说这个模型，要么就是商单，一键三连了

♥ 5

Suaig 2026-02-13

100token/s我觉得只要量大管饱够便宜。还是非常适合跑很多Agent应用的

♥ 4

AI全文总结 2026-02-13

✨ AI课代表总结： MiniMax M2.5新版本实测聚焦四大维度：指令遵循完全正确率65.9%（部分达标80%），对比Gemini 3.0 Pro略逊但综合分相近；物理引擎采用帧率无关运算杜绝穿模，鞭炮测试零穿模；长文本召回均值96.7%但随机猜题率50.1%待优化；A证外卖测试得分599（↑42.8%），新增顺路接单功能提效36.5%，准点率69.6%；输出速度稳定100token/s，激活参数仅10B，性价比卓越。喵～M2.5冲鸭！100tok/s甩出满屏代码，顺路接单还能薅羊毛💰，牙医爸爸YYDS吧！🐾🔥

♥ 4