Model Releases
MiniMax M2.5: Новая Эра Эффективных Моделей Кодирования
MiniMax представила M2.5 — открытую MoE модель с 230B параметрами, достигшую 80.2% на SWE-Bench. Узнайте о ценах, производительности и интеграции.
12 февраля 2026 г.
Model ReleaseMiniMax M2.5
Введение: Почему MiniMax M2.5 Меняет Игру
12 февраля 2026 года компания MiniMax объявила о выпуске новой флагманской модели MiniMax M2.5, которая ставит новые стандарты в мире открытых моделей искусственного интеллекта. Эта модель разработана специально для разработчиков и инженеров, стремящихся к высокой производительности без компромиссов в стоимости. В отличие от многих конкурентов, M2.5 сочетает передовые архитектурные решения с открытым исходным кодом, что делает её доступной для обучения и локального развертывания.
Главная цель релиза заключалась в создании модели, способной конкурировать с закрытыми гигантами, такими как GPT-4o и Claude, но при этом предлагать значительно более низкую стоимость эксплуатации. Это особенно важно для агентных систем, которым требуется постоянная работа в реальном времени. MiniMax утверждает, что M2.5 может обрабатывать токены с скоростью 100 в секунду всего за $1 в час, что открывает двери для инновационных приложений, ранее недоступных из-за дороговизны вычислений.
Для разработчиков это означает возможность внедрения сложных агентов в продакшн-окружения с минимальными затратами на инфраструктуру. Открытость весов модели позволяет исследователям изучать её архитектуру и адаптировать её под специфические задачи, что стимулирует развитие экосистемы вокруг платформы MiniMax.
- Дата выпуска: 12 февраля 2026 года
- Статус: Open Source
- Категория: Coding Model
Архитектура и Ключевые Особенности
Техническая архитектура MiniMax M2.5 базируется на механизме Mixture of Experts (MoE), что позволяет модели быть чрезвычайно емкой, но эффективной при инференсе. Общее количество параметров составляет 230 миллиардов, однако на каждый токен активируется только 10 миллиардов параметров. Это обеспечивает высокую плотность знаний при сохранении низкой вычислительной нагрузки во время генерации.
Модель оптимизирована для задач программирования и агентов, что подтверждается её способностью к автономному выполнению сложных рабочих процессов. MiniMax использует методы обучения с подкреплением (RLHF) для улучшения качества кода и логических рассуждений. Контекстное окно модели достаточно широко, чтобы обрабатывать большие репозитории и длинные спецификации проектов без потери точности.
- Общие параметры: 230B
- Активные параметры: 10B
- Тип: Mixture of Experts (MoE)
- Ориентация: Coding & Agentic Workflows
Производительность и Бенчмарки
В тестах MiniMax M2.5 продемонстрировала выдающиеся результаты, особенно в области верификации программного обеспечения. Модель достигла 80.2% на бенчмарке SWE-Bench Verified, что является frontier-уровнем для открытых моделей. Этот показатель сопоставим с лучшими коммерческими решениями, такими как GPT-4 и Claude 3.5 Sonnet, подтверждая высокую точность в решении реальных задач разработки.