文章介绍了MiniMax新开源的大模型M2，该模型专为Agent和代码生成场景设计，采用MoE混合专家架构，在保持高智能表现的同时，显著降低了推理成本和响应时间。通过实际案例展示，M2在制作游戏、生成PPT、图像渲染和内容总结等方面表现出色，交互自然流畅，响应速度极快。其商业定价仅为Claude Sonnet 4.5的约8%，推理吞吐量高达100 TPS，在“效果—价格—速度”三者之间实现了有效平衡，被视为大模型从“对话体”向“执行体”过渡的信号。

🚀 **MiniMax M2的创新架构与定位：** 该模型采用激活参数100亿、总参数2300亿的MoE混合专家架构，专为Agent和代码生成场景优化，旨在不牺牲智能表现的前提下大幅压缩推理成本，实现性能、速度和低价的兼顾，成为行业探索平衡三者的“新答案”。

⏱️ **“秒级”响应与高效执行力：** 通过竞速小游戏制作、《剑来》PPT生成等案例，展示了M2极快的响应速度和强大的执行能力。指令输入简单（如“做一个双人糖豆人的小游戏”），M2能在短时间内完成复杂任务，并能进行自主思考、检查修复，交互体验媲美真人同事。

🎨 **卓越的多模态与内容生成能力：** M2不仅在文本和代码生成上表现突出，其多模态能力也令人印象深刻。例如，上传毛坯房图可生成多种风格的复古装饰渲染图，并进行风格对比。此外，它还能高效地根据指令制作绘本、收集并总结AI动态，展现出强大的内容创作和信息处理能力。

💰 **极具竞争力的成本效益：** M2的商业定价仅为Claude Sonnet 4.5的约8%，输入和输出的Token价格均极具优势，推理吞吐量高达100 TPS。在全球测评机构Artificial Analysis的榜单中，M2在多个维度上表现优异，尤其在Agent关键能力上名列前茅，提供了极高的性价比。

🌟 **从“对话体”到“执行体”的转变信号：** MiniMax M2的出现，标志着国内大模型正从侧重于对话交互向更侧重于实际任务执行的“执行体”方向发展，其在速度、能力和价格上的综合优势，让“让每个人都拥有充裕的智能”的愿景更加触手可及。

原创 鱼丸 2025-10-30 17:17 北京

性能、速度和低价，全都要

作者｜鱼丸

编辑｜星奈

媒体｜AI大模型工场

如今，大模型领域的竞争重心，正在从“参数比拼”转向“落地效率的”较量尤其是在Agent和代码生成这两个实际应用最密集的场景中，模型的智能平成本的效率以及响应速度，正在成为衡量产品力的新三角。

在行业探索如何平衡这三者时，MiniMax给出了一种新的答案——MiniMax M2。

这款新近开源的模型，被官方定位为“专为Agent与代码而生”，在技术路和性能取舍上都颇具实验色彩：它采用激活参数100亿、总参数2300亿的MoE混合专家架构，目标是在不牺牲智能表现的前提下压缩推理成本。

据官方表示，MiniMax M2以Claude Sonnet 4.5约8%的价格，达到了近2倍的响应速度，成为近期开源模型里少有能在“效果—价格—速度”三者之间同时做到平衡的选手。

那它在真实使用体验中表现如何？我们用几个案例感受下：

一句话，“秒”级响应

如下所示，这是一款非常简单的竞速小游戏，有种小时候玩4399双人竞速第一关的感觉，但是我要不说，谁知道这是自己制作的呢。

那有些人可能就要问，这要敲多少代码啊，虽然简单，但是双人操作还需要跳过障碍，也得需要一些时间吧。

我的回答是，十秒。

“做一个双人糖豆人的小游戏”，敲12个字的时间。

没错，这是用最近开源的一款大模型MiniMax M2制作的，当然不算MiniMax M2制作等待的时间，简单的指令说出需求，它就可以帮你完成。

那这指令要多简单呢，一句话就够了，就像MiniMax说的那样，简单指令，无限可能。

其实在体验过程中就明显的感觉到，MiniMax M2和人的沟通交互上自然顺畅的程度就比市面上很多Agent顺滑很多，甚至可以把它当作电脑另一端的同事。

下面让M2做一个介绍《剑来》的PPT，风格要求水墨古风。

从发布这个要求开始，MiniMax M2就立马开始思考，并且在思考旁边还标明了思考时间，以为2秒多已经很快了，结果还精确到了零点几秒的反应速度。

在执行过程中，会询问有没有别的需求，可以进行选择。

右边的视窗可以完整i清晰的看到执行过程。

甚至还有更新待办提醒，把已完成的划掉，这和平时使用记事本的真人有什么区别呢。

有问题还可以自行检查修复。

最后来看看效果：

从整体的概述到海报到人物介绍再到书中的高光到最后设计，并且下方可以点击左右来控制，这个效率和质量完全可以在工作中节约不少时间，还能交一份满意的答卷。

再来看看多模态能力，上传一张房屋毛坯图，给这个毛坯房屋图生成复古风格装饰的渲染。

MiniMax M2给出了四个复古风格。

中古风：

工业复古风格：

法式复古Art Deco风格：

地中海复古风：

还给出了风格对比，真别说，风格的理解和定位确实非常准确，MiniMax M2直接做到心坎上了。

我们再输入“制作一个5页的童话故事绘本，主题是小蝌蚪找妈妈”。

甚至可以让它帮忙收集资讯。

“收集24小时之内的AI动态，并且总结出来，以快讯的形式”

MiniMax M2背后的底层逻辑

在这次的测评中首先给人最直观的感受是“秒出”。这种“响应即结果”的体验，背后是MiniMax M2在架构上的一系列创新。

MiniMax M2 采用MoE混合专家结构，在推理时仅激活约 100 亿参数，显著降低了算力消耗，同时保留 2300 亿参数的知识容量。这种“动态激活”机制让它在保持高智能表现的同时，实现了高效能+低延迟+低成本的三重平衡。

同时，MiniMax M2支持长达200k的输入上下文和128k的输出长度，能够处理长文本和复杂任务，满足多步骤推理、深度搜索等需求。

在全球测评机构 Artificial Analysis 的榜单中，MiniMax M2在数学、科学、指令遵循、编码和工具使用等维度，超越Google的Gemini 2.5 Pro、Anthropic的Claude 4.1等模型跻身前五。

并且在Agent最重要的三个能力，编程、使用工具和深度搜索的能力上，M2的成绩也名列前茅。

价格层面上，MiniMax M2 的商业定价仅为 Claude Sonnet 4.5 的约 8%，输入 2.1 元 / 百万 Token，输出 8.4 元 / 百万 Token，推理吞吐量可达 100 TPS。性价比已经进入全球头部梯队。

总体来看，MiniMax M2 不只是一次性能上的升级，更代表着国内大模型从“对话体”向“执行体”过渡的一个信号。以M2目前的速度、能力和价格来看，它的确“让每个人都拥有充裕的智能（Intelligence with Everyone）”，变得更近了一点。

现在MiniMax-M2的通用Agent产品MiniMax Agent现已全面开放使用（网址：https://agent.minimaxi.com/），并限时免费，大家感兴趣的话可以去跑跑体验下。