開放權重模型新領頭羊
中國 AI 新創公司 MiniMax 成長迅速，並獲得多家國內大型投資人支持。該公司推出大型語言模型 M2，在全球開放權重系統排名中躍居頂尖行列。獨立評測將 MiniMax M2 列為 Artificial Analysis Intelligence Index 上能力最強的開放權重模型，表現超越 Google DeepMind 的 Gemini 2.5 Pro，並接近美國領先的專有系統。MiniMax 將 M2 打造成程式碼生成與代理式工具使用這兩大熱門用途的模型，再以速度為設計重點並採取低價策略，吸引希望降低成本又不犧牲能力的開發者與企業。
效率是其技術設計的核心。MiniMax M2 採用混合專家（Mixture of Experts）架構，將每次輸入導向模型中的部分神經元；雖然模型總容量大得多，但每次僅啟用約 100 億個參數。這項設計降低延遲與 GPU 記憶體需求，同時保留推理能力。MiniMax API 定價積極，每百萬個輸入 token 收費 0.30 美元，每百萬個輸出 token 收費 1.20 美元；依該公司自行比較，約為 Anthropic Claude 3.5 Sonnet 價格的 8%，團隊並宣稱推論速度接近每秒 100 個 token。完整模型權重採寬鬆授權開放，並可下載後自行託管，讓團隊能依需求微調 M2，並在內部部署。
中國開放權重模型領域今年競爭升溫，DeepSeek、阿里巴巴的 Qwen、Moonshot AI 等業者持續推進長上下文與推理能力。MiniMax 此次躍居前列，值得關注之處在於 M2 切中企業實際投入資金的領域：透過可使用工具的代理程式自動化客服、研究與開發工作，讓代理程式能瀏覽網頁、查詢內部資料、執行程式碼並自行檢查結果。能力、低成本與透明授權的結合，正是 M2 成為開放權重 AI 新指標的原因。
效能表現如何
Artificial Analysis 彙整數學、科學、指令遵循、程式設計與代理工作流程等高難度基準測試，計算出單一 Intelligence Index。MiniMax M2 在最新版本中獲得 61 分，是能力最強的開放權重模型，整體排名也名列前茅。它的分數高於 Gemini 2.5 Pro，在多項代理與程式設計任務上的表現接近 Anthropic Claude Sonnet 4.5，但仍落後於 GPT 5、xAI Grok 等最新一代前沿系統。對許多開發者而言，這是個理想平衡點：能以非前沿等級的成本、避免被單一供應商綁定，同時取得接近前沿的能力。
代理任務表現接近前沿水準
代理式評測會衡量模型能否在多步驟任務中規劃、呼叫工具、讀取結果、調整做法並驗證成果。M2 在這方面表現尤其出色。MiniMax 表示，M2 在多項以代理為主的測試中成績亮眼，包括 tau squared Bench 的 77.2 分、BrowseComp 的 44.0 分，以及 FinSearchComp global 的 65.5 分。這些測試涵蓋網頁瀏覽與引註、金融資訊檢索，以及步驟失敗時的規劃與補救。實際應用中，這表示由 M2 驅動的代理程式能制定計畫、執行 shell 指令、搜尋並閱讀資料來源、呼叫直譯器測試程式碼、修正錯誤，並提出可追溯的證據，不必時時仰賴人工介入。
程式設計與推理基準測試
MiniMax 針對端對端開發工作流程打造 M2，讓模型能反覆編輯多個檔案、編譯、測試並修復程式碼。在 SWE Bench 類型任務與 Terminal Bench 中，M2 展現出在各種程式語言的真實程式碼儲存庫和命令列環境中工作的能力。Artificial Analysis 的綜合評估也納入 GPQA Diamond 和 AIME 等知識與推理測試，結果顯示 M2 的程式設計能力並非以犧牲通用智慧為代價。對希望助理兼能處理軟體開發工作與研究任務的組織而言，M2 在這些領域表現一致，正是其吸引力所在。
架構一覽
M2 是稀疏混合專家模型。它不會讓每個 token 都經過大型網路的每個部分，而是由學習式閘門根據輸入，只選擇少數專家子網路啟用。MiniMax 文件指出，模型總參數約 2,300 億，每次推論啟用 100 億個。早期報導提到總參數為 2,000 億，但該公司的技術頁面與模型卡說明，總容量更大，啟用參數仍維持在 100 億。這項設計的好處很明確：既能獲得超大型模型的知識廣度與專業化能力，推論成本又更接近 100 億參數的稠密模型。
這種效率也反映在硬體需求上。MiniMax 與第三方測試者表示，使用 FP8 精度時，M2 最少可在 4 張 NVIDIA H100 GPU 上實際運行，讓中型工程團隊也能負擔。相較之下，有些競爭模型每個 token 會啟用更多參數。DeepSeek 最新的 V3.2 每個 token 約啟用 370 億個參數，Moonshot AI 的 Kimi K2 則約啟用 320 億個，因而增加記憶體占用並降低吞吐量。M2 較小的啟用規模也有助於改善尾端延遲與並行處理能力，這兩者都是互動式工具與代理程式常見的營運難題。
代理式設計與工具使用
MiniMax 將 M2 打造成能反覆思考、行動與驗證的模型，並透過工具呼叫指南，讓模型連接 shell、瀏覽器、檢索系統與程式碼執行環境。該公司強調以交錯思考格式呈現可見的推理過程。在多輪對話中，助理會保留規劃脈絡與證據鏈，有助於處理資料不完整或步驟失敗的情況，也讓開發者能稽核決策。這種做法旨在提高長期任務的可靠性，並讓問題更容易偵錯。
MiniMax 也讓 M2 緊密配合實際開發環境。模型可搭配 SGLang 和 vLLM 等常見推論框架運作，並遵循 OpenAI 與 Anthropic 常用的請求格式。團隊因此能以最少的程式碼修改換用 M2，再依需求擴大服務規模。對打造內部副駕或正式上線代理程式的團隊而言，整合門檻較低是一項優勢。
MiniMax 以使命與普及性來定位這次發布。該公司表示，希望讓廣大使用者都能取得先進智慧，而非只有負擔得起高價專有模型的人才能使用。
從一開始，MiniMax 追求的願景就是『人人皆享智慧』。
團隊在公開的模型卡中強調，開發重點在代理程式與效率。
MiniMax-M2 為代理程式重新定義效率。
MiniMax 也提供由 M2 驅動的代理服務，分為兩種模式。Lightning Mode 會針對簡單查詢即時串流回覆；Pro Mode 則處理耗時較長的複雜工作，例如研究、資料擷取或多階段程式設計。這種區分反映團隊的實際工作型態：在快速取得答案與持續推進的專案之間切換，後者需要模型端到端地規劃、執行並檢查成果。
存取、授權與定價
以 M2 的能力水準來說，其開放程度相當少見。MiniMax 以寬鬆授權開放完整權重，並發布部署指南。開發者可以從 Hugging Face 等平台下載模型儲存庫，使用 SGLang 或 vLLM 在本機執行推論，並針對特定領域微調。MiniMax 也提供每個 token 定價極低、串流速度快的 API，並曾推出限時免費使用其 Agent 應用程式與 API 的方案。
對採購者而言，實用的關鍵特性包括支援結構化函式呼叫、長上下文處理與穩健的工具使用能力。MiniMax 建議採用常見的取樣設定，並提供明確的工具呼叫格式，方便將模型連接至外部服務。對於擔心遭供應商綁定的團隊而言，開放權重搭配良好的 API 相容性，足以成為評估 M2 的有力理由。至於希望完全在地部署的團隊，該公司文件說明了如何有效率地提供 M2 服務，以及如何依不同精度設定配置 GPU 記憶體。
- 模型權重已開放，可自行託管，並提供 SGLang 與 vLLM 部署指南。
- API 每百萬個輸入 token 收費 0.30 美元，每百萬個輸出 token 收費 1.20 美元；宣稱速度接近每秒 100 個 token。
- 工具使用涵蓋 shell、瀏覽器、檢索與程式碼直譯器，並提供可見的推理過程，方便稽核與偵錯。
- 相容於 OpenAI 與 Anthropic 風格的 API，可減少既有應用程式的整合工作。
這些特點讓 M2 適合用於軟體工程副駕、資料分析助理，以及需要結合推理與可靠工具執行能力的客服代理程式。
競爭對手與變動中的排行榜
MiniMax M2 崛起，改寫了開放權重模型排行榜，也加劇中國與美國業者之間的競爭。Artificial Analysis 將 M2 列為最強的開放權重模型，Intelligence Index 為 61 分，高於 Google Gemini 2.5 Pro；依任務不同，其表現僅落後於 Claude Sonnet 4.5、GPT 5 與 Grok 4 等專有領先模型。尤其在 BrowseComp 與 FinSearchComp global 等代理評測中，M2 在規劃、引註證據與錯誤補救方面的能力，已大幅縮小與封閉系統的差距，這樣的排名格外亮眼。
中國境內的競爭版圖也在改變。DeepSeek 與 Qwen 過去數月以最前沿規模訓練和長上下文能力主導新聞版面；如今 MiniMax 則以較小的啟用參數規模，提供相近的代理與程式設計效能，且成本更低，受到矚目。DeepSeek 曾探索極大的總參數規模，在某些配置下可能需要近 700 GB 記憶體。MiniMax 的稀疏啟用設計與精細的服務部署方式，則將需求控制在許多中型市場團隊負擔得起的叢集規模，尤其是採用 FP8 與最佳化推論框架時。
價格同樣重要。MiniMax 的 token 定價比大型專有競爭對手低一個數量級。對希望運行數百個代理程式，或讓眾多開發者全天使用程式設計輔助工具的企業而言，這可能讓預算從試辦階段進入正式部署。開放權重也是另一項優勢，讓重視資安的企業能稽核、微調並在自有環境部署。易於取得、低成本與強大能力兼具，直接挑戰了仰賴高價策略的專有平台。
採購者須留意之處
基準測試有參考價值，但不代表實際表現一定如此。Artificial Analysis 使用受控測試工具與固定提示詞評估模型，未必能完全符合特定公司的業務領域或工具環境。採用 M2 的團隊應以代表性任務自行測試，並使用實際預計搭配的工具，衡量延遲、吞吐量與代理程式可靠性。
此外，也須事先規劃營運細節。MiniMax 建議在不同對話輪次間保留模型交錯呈現的思考過程，讓長任務維持連貫的計畫與證據脈絡。這種設計可能產生較冗長的輸出與較長的對話紀錄，因此開發者應謹慎管理上下文視窗，並盡可能刪減或摘要內容。追求最高吞吐量的組織，也應測試量化設定與批次處理策略，在速度、成本與準確度之間取得平衡。
最後，M2 是開放權重系統，組織可以自行修改，因此也須承擔更多安全與法規遵循責任。對於能存取外部資源或敏感資料的部署，團隊應加上監控、工具呼叫防護機制與存取控制。這些是代理系統常見的考量，M2 同樣需要採取相同的審慎做法。
重點一覽
- MiniMax M2 在 Artificial Analysis Intelligence Index 上名列開放權重模型榜首，整體排名也位居全球前列。
- 其綜合智慧表現超越 Google Gemini 2.5 Pro，但在部分任務上仍落後於 GPT 5、Claude Sonnet 4.5 等前沿專有系統。
- M2 採用混合專家架構，總參數約 2,300 億，每次推論啟用 100 億個，以降低延遲與成本。
- 代理程式表現出色，在 tau squared Bench、BrowseComp 與 FinSearchComp global 等測試中成績亮眼。
- SWE Bench 類型任務與 Terminal Bench 證實其程式設計能力，可支援端到端開發工作流程。
- API 每百萬個輸入 token 收費 0.30 美元，每百萬個輸出 token 收費 1.20 美元，速度接近每秒 100 個 token。
- 完整權重以寬鬆授權開放，可自行託管；模型也能整合 SGLang、vLLM 與常見 API 格式。
- 使用 FP8 精度時，最少可透過 4 張 NVIDIA H100 GPU 提供服務，降低中型團隊的部署門檻。
- 與 DeepSeek V3.2 和 Moonshot Kimi K2 相比，M2 啟用的參數較少，效率更高。
- 企業應以自有工具鏈驗證效能，並預先規劃輸出冗長、上下文管理與安全控管等問題。
