MiniMax M2采用MoE混合专家架构，激活100亿参数却保留2300亿参数知识容量，实现了智能、成本和速度的完美平衡。它响应速度快，能高效完成代码生成、PPT制作等多模态任务，在全球测评中超越Gemini 2.5 Pro等模型，而价格仅为Claude Sonnet 4.5的8%，代表着国内大模型从"对话体"向"执行体"的重要过渡。
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，MiniMaxM2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。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套 AI 大模型突围资料包：
- ✅ 从零到一的 AI 学习路径图
- ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
- ✅ 百度/阿里专家闭门录播课
- ✅ 大模型当下最新行业报告
- ✅ 真实大厂面试真题
- ✅ 2025 最新岗位需求图谱
所有资料 ⚡️ ，朋友们如果有需要 《AI大模型入门+进阶学习资源包》，下方扫码获取~
① 全套AI大模型应用开发视频教程
（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）
② 大模型系统化学习路线
作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！
③ 大模型学习书籍&文档
学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。
④ AI大模型最新行业报告
2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。
⑤ 大模型项目实战&配套源码
学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。
⑥ 大模型大厂面试真题
面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
以上资料如何领取？
为什么大家都在学大模型？
最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！
不出1年，“有AI项目经验”将成为投递简历的门槛。
风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！
这些资料真的有用吗？
这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
以上全套大模型资料如何领取？
扫一扫
11万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
