作者 ｜ 王兆洋
郵箱 ｜ wangzhaoyang@pingwest.com

先看一組數(shù)據(jù)：

評估模型編程能力的主流榜單SWE-bench Verified上，Claude Opus 4.6 得分80.8%，Gemini 3.1 Pro 80.6%，MiniMax 2.5 80.2%，GLM-5 77.8%，Kimi K2.5 76.8%。

最大分差也不超過4分，差距就這么點(diǎn)大。開發(fā)者今天其實(shí)已經(jīng)很難只靠這些“考試分?jǐn)?shù)”來選擇要用的模型。

但最近還有另一組很有意思的數(shù)據(jù)，來自最重要的模型調(diào)用平臺(tái)之一OpenRouter：

官方統(tǒng)計(jì)顯示，最近其平臺(tái)上的token調(diào)用激增，且其中很多需求來自100K-1M長文本任務(wù)，也就是agent工作流最典型消耗區(qū)間。刺激這些需求爆發(fā)的一個(gè)重要因素是一個(gè)新模型的發(fā)布——MiniMax M2.5。單是在OpenRouter上，它發(fā)布后七天的調(diào)用量就到了破紀(jì)錄的 3.07T tokens。

這說明什么？

今天公開的benchmark也就是打榜式的評測已經(jīng)沒那么重要了，因?yàn)椴顒e不再明顯。但與此同時(shí)，真實(shí)使用者的感受越來越關(guān)鍵，做好了，你就可以成為最受歡迎的那一個(gè)，因?yàn)橛脩魝儗δＰ偷男枨筮h(yuǎn)遠(yuǎn)未被滿足。

所以，關(guān)鍵的問題變成，如何做出大家最需要的那個(gè)模型。

可以先來看看這個(gè)備受歡迎的MiniMax M2.5是一個(gè)什么樣的模型。

1.模型部署上：10B激活參數(shù)，實(shí)戰(zhàn)中總結(jié)的甜點(diǎn)位

MiniMax M2.5，一個(gè)總參數(shù) 230B，激活參數(shù)只有10b的模型。它不會(huì)叫自己端側(cè)模型，但已經(jīng)是私有化部署最友好的模型。這是一個(gè)實(shí)戰(zhàn)中總結(jié)出來的性價(jià)比甜點(diǎn)位，也是頭部模型里這種友好度里的唯一選擇。

2.價(jià)格：沒有波動(dòng)，這是開發(fā)者最在意的負(fù)擔(dān)

人們想盡可能多消耗token，但對價(jià)格變化又有負(fù)擔(dān)，M2.5通過各種工程和算法更新，在性能提升同時(shí)，把價(jià)格維持住了，這其實(shí)說明MiniMax自己也清楚知道真實(shí)的開發(fā)者的最大負(fù)擔(dān)是什么。

3.模型的核心能力：死磕Coding和Agent，讓開發(fā)者真的認(rèn)真考慮用它替代Claude

此次M2.5在編程上性能提升的來源，不再是“不論過程只管對標(biāo)結(jié)果”的方式，而是把開發(fā)過程里的代碼工程甚至開發(fā)思維訓(xùn)練到模型里。M2.5的spec能力就是一個(gè)典型的代表。

官方報(bào)告這樣形容：M2.5 具備了像架構(gòu)師一樣思考和構(gòu)建的能力，比如模型演化出了原生 Spec 行為：在動(dòng)手寫代碼前，以架構(gòu)師視角主動(dòng)拆解功能、結(jié)構(gòu)和 UI 設(shè)計(jì)，實(shí)現(xiàn)完整的前期規(guī)劃。

M系列階段性目標(biāo)明確，此時(shí)此刻，它就是要死磕Coding 和 Agent。它在SWE-Bench Verified 已經(jīng)做到80.2%的水平，同時(shí)約1 元/小時(shí)的成本給你100 tokens/秒的吞吐，還要什么自行車。

這當(dāng)然是個(gè)帶有賭注成分的決定，并且需要做出trade off，但目前看起來效果不錯(cuò)收益明顯。大量Claude Code用戶在選擇模型時(shí)真的逃不開要考慮M系列模型，這就很能說明問題。

4.推理：推理效率的極致優(yōu)化，每一環(huán)都是在解決業(yè)務(wù)壓力

M2.5在工程化上持續(xù)補(bǔ)全：平衡吞吐和穩(wěn)定的Windowed FIFO，把大量重復(fù)前綴合并處理、解放出40倍效率的樹狀結(jié)構(gòu)……推理的每個(gè)環(huán)節(jié)都在繼續(xù)優(yōu)化。

5.以及可能是最重要的，又一個(gè)技術(shù)創(chuàng)新：RL框架Forge

MiniMax在技術(shù)上一直挺有追求，不少新的思路是它第一批嘗試然后反饋給行業(yè)里，比如此前的交錯(cuò)思維鏈?zhǔn)酵评淼取６@一次它重點(diǎn)介紹了用在M2.5訓(xùn)練里的一個(gè)新的 RL 框架 Forge 。

這是一個(gè)工業(yè)級的Agent RL 訓(xùn)練方案，也就是它的目標(biāo)非常務(wù)實(shí)，就是面向真實(shí)復(fù)雜的場景大規(guī)模訓(xùn)練AI Agent。

上個(gè)階段把Agent訓(xùn)入模型的方式其實(shí)依然粗糙，它們有點(diǎn)“混為一談”的感覺，而Forge這次核心探索了對Agent部分和模型本身基礎(chǔ)能力做解耦的方法。

先把Agent和它需要的環(huán)境抽象出來，與模型本身區(qū)分開，然后在兩者間增加一個(gè)中間層，既扮演物理隔離的作用，也提供智能調(diào)度和實(shí)施策略調(diào)整的角色。這很巧妙。

更有意思的是，這樣解耦后，還解鎖了一個(gè)新的scale的方向，就是把各種Agent框架放進(jìn)去做訓(xùn)練，最終獲得泛化能力。這是個(gè)非常有用，甚至直接能影響開發(fā)者體驗(yàn)的泛化，它讓M2.5可以適配各種見過沒見過的“腳手架”。

這同樣是真實(shí)agent場景里非常需要的能力。

看過M 2.5的這些訓(xùn)練重點(diǎn)，你會(huì)發(fā)現(xiàn)，它的這些優(yōu)化都不是為了刷榜，而是為了解決非常具體的問題——在Agent的需求快速取代了所謂對話場景的需求后，模型該提供什么樣的智能。

它需要在效果和價(jià)格上找到微妙平衡，持續(xù)提升性能的同時(shí)降低成本。

這說來簡單，但對這個(gè)度的把握很難。模型廠要對這些開發(fā)者的需求有最直接的感知。而MiniMax的“手感”其實(shí)正來自這家公司自己內(nèi)部。

M2.5背后，MiniMax 的M系列模型最重要的研發(fā)思路就是要解決它內(nèi)部各個(gè)團(tuán)隊(duì)在開發(fā)agent的過程里遇到的問題。

閆俊杰曾在M1發(fā)布后分享過：“公司內(nèi)部的小伙伴一直在搭建各種各樣的Agent，來幫助解決公司飛速發(fā)展中遇到的各項(xiàng)挑戰(zhàn)……但是我們發(fā)現(xiàn)沒有一款模型在這些Agent上能完全滿足我們的需求。這里面的挑戰(zhàn)在于好的模型需要在效果、價(jià)格和推理速度上取得好的平衡，這幾乎是一個(gè)‘不可能三角’……我們一直在探索，能不能有一款模型能在效果、價(jià)格和速度上能取得比較好的平衡，從而讓更多的人能受益于Agent時(shí)代的智能提升?！?/p>

所以，MiniMax M2發(fā)布時(shí)，它做到當(dāng)時(shí)Claude主力模型價(jià)格的8%，而最新的MiniMax M2.5價(jià)格是Claude主力模型的1/12。甚至，M2.5直接被形容為“1萬美元可以讓4個(gè)Agent連續(xù)工作一年”的模型，這幾乎意味著你可以不需要考慮使用成本地近乎無限使用它。

同時(shí)，從死磕編程能力、開發(fā)Forge框架再到各種推理優(yōu)化，它繼續(xù)榨出更好的模型效果和更快推理速度。

而其中像Forge框架這種創(chuàng)新，就是整個(gè)M2.5背后思路的典型代表：只有那些自己在日常工作環(huán)境里對各種agent腳手架之間的適配感到過絕望，對真實(shí)環(huán)境里模型與agent能力之間的關(guān)系真正“抓狂”過的模型團(tuán)隊(duì)才會(huì)去解決這些問題。

M2.5顯然是MiniMax自己在面對“不可能三角”時(shí)最需要的那類模型?，F(xiàn)在，它也成了開發(fā)者們最需要的那類模型。

所以作為模型公司本身，當(dāng)你一直在牌桌上，你自己其實(shí)就是最能檢驗(yàn)?zāi)Ｐ蛯?shí)際能力和體驗(yàn)的第一道關(guān)。

當(dāng)一家模型公司自己對生產(chǎn)力AI的需求達(dá)到最先進(jìn)程度，它自己面對的體驗(yàn)困局也就會(huì)是人們最重要和普遍的需求，它的創(chuàng)新方向就會(huì)是大家期待的模型的進(jìn)步方向。

它自己喜歡的那個(gè)模型，就會(huì)是大家最喜歡的模型。

點(diǎn)個(gè)“愛心”，再走 吧