编辑｜张倩、Panda
Anthropic 的 Opus 4.6 刚宣布，， ， ，，，，，智商确实高到让人头皮发麻，， ， ，，，，，但看着谁人价钱表，， ， ，，，，，我的钱包也最先发麻了。。。。。。。。
这就很尴尬了。。。。。。。。Opus 4.6 的泛起，， ， ，，，，，直接在开发者圈子里制造了一场「智力焦虑」：模子好用是真好用，， ， ，，，，，贵也是真贵。。。。。。。。原版价钱纹丝不动就算了，， ， ，，，，，谁人号称「极速版」的家伙，， ， ，，，，，每百万输出 Token 的本钱居然从 25 美元直接飙到了 150 美元。。。。。。。。
整整 6 倍的涨幅！看着 Token 计费表像风一样自由地狂奔，， ， ，，，，，原来想用 AI 释放生产力的我，， ， ，，，，，现在按回车键之前都得先在心里过一遍账单。。。。。。。。这那里是请了个助手，， ， ，，，，，简直是供了个「吞金兽」。。。。。。。。
这种「生产力税」的保存，， ， ，，，，，逼得打工人不得不进入一种尴尬的模式：一边盼愿顶级智力带来的效率，， ， ，，，，，一边在按回车键时重复权衡账单。。。。。。。。岂非高智力和高性价比，， ， ，，，，，真的像鱼和熊掌一样不可兼得？？？？？ ？岂非我们这些通俗打工人，， ， ，，，，，就不配拥有「智力自由」？？？？？ ？
就在各人捂着钱包叹气的时间，， ， ，，，，，MiniMax 反手甩出了一个王炸：MiniMax M2.5
这个模子相当能打，， ， ，，，，，无论是 coding 照旧 agent 能力，， ， ，，，，，都能与 Claude Opus 4.6 掰掰手腕，， ， ，，，，，甚至在某些维度上掰赢了。。。。。。。。
数据不会说谎：M2.5 在多语言使命 Multi-SWE-Bench 上拿下了行业第一；；；；； ；；；而在 SWE-Bench Verified 评测集上，， ， ，，，，，基于 Droid 和 OpenCode 的实战测试中，， ， ，，，，，它的通过率（79.7% / 76.1%）更是双双反超了 Opus 4.6。。。。。。。。
在 BrowseComp、Wide Search 等搜索和工具挪用榜单的评测中，， ， ，，，，，M2.5 也抵达了行业顶尖的水平。。。。。。。。
更具攻击力的是它在 MiniMax 内部的真实体现：在 MiniMax 内部营业场景中，， ， ，，，，，整体使命的 30% 由 M2.5 自主完成；；；；； ；；；而在编程场景中，， ， ，，，，，M2.5 天生的代码已占新提交接码的 80%。。。。。。。。
它不但 Coding 和 Agent 能力硬刚 Claude Opus 4.6 不落下风，， ， ，，，，，在专业的办公领域更是「偷偷补过课」。。。。。。。。为了让模子真正懂行，， ， ，，，，，MiniMax 拉来了金融、执法、社会科学等领域的资深从业者当「教官」，， ， ，，，，，把行业隐性知识灌进模子。。。。。。。。
在内部严苛的 Cowork Agent 评测（GDPval-MM） 中，， ， ，，，，，M2.5 在 Word 排版、Excel 金融建模等高阶场景下，， ， ，，，，，对主流模子拿下了 59.0% 的平均胜率。。。。。。。。这意味着它交付的不再是简朴的底稿，， ， ，，，，，而是具备专业水准的「半制品」。。。。。。。。
但最离谱的是，， ， ，，，，，这样一个万能选手，， ， ，，，，，居然参数目只有 10B，， ， ，，，，，是第一梯队中参数规模最小的旗舰模子，， ， ，，，，，不需要太腾贵的装备就能私有化安排。。。。。。。。
好家伙，， ， ，，，，，这哪是辅助驾驶啊�。。。。。。。�， ， ，，，，，这明确是抢偏向盘来了！
MiniMax M2.5 体现卓越，， ， ，，，，，也为这家刚上市一个多月的公司的股价带来了一波强劲上涨：
1 美元时薪的顶级打工人
这么小的体积，， ， ，，，，，再加上「思索」链路的深度优化，， ， ，，，，，M2.5 的吞吐量可以抵达 100 TPS，， ， ，，，，，推理速率可以抵达 Opus 4.6 的 2 倍。。。。。。。。在 SWE-Bench Verified 测试中，， ， ，，，，，M2.5 的端到端使命运行耗时从平均 31.3 分钟镌汰到了 22.8 分钟，， ， ，，，，，这一速率与 Claude Opus 4.6 基本持平。。。。。。。。
在需要即时反响的场景里，， ， ，，，，，这种「跟手」的感受简直太爽了。。。。。。。。更爽的是，， ， ，，，，，你完全不需要有「每按一次回车就少喝一杯奶茶」的心理肩负。。。。。。。。来看看这个倾覆性的定价：
在每秒输出 100 个 token 的情形下，， ， ，，，，，一连事情一小时只需要 1 美元，， ， ，，，，，而在每秒输出 50 个 token 的情形下，， ， ，，，，，只需要 0.3 美元。。。。。。。。
1 美元就能雇佣一个顶级专家给你干一小时苦力！换算一下，， ， ，，，，，1 万美金可以让 4 个 Agent 一连事情一年
这就很有意思了。。。。。。。。以前我们不敢跑重大 Agent，， ， ，，，，，是由于怕跑着跑着就休业了；；；；； ；；；现在有了 M2.5，， ， ，，，，，我们终于实现了 Agent 自由；；；；； ；；；让 AI 24 小时一连上工，， ， ，，，，，也不再是有余粮的田主家才华有的奢侈。。。。。。。。
现在，， ， ，，，，，M2.5 的 Vibe Coding 支持 PC 端、App 端、RN/Flutter 跨端甚至带数据库的前后端全栈开发，， ， ，，，，，用起来很是利便，， ， ，，，，，通俗打工人可以随时上手。。。。。。。。
为了验证这个「10B 战神」是不是真的能在性能比肩旗舰的同时，， ， ，，，，，把生产力本钱打下来，， ， ，，，，，我们准备了几个真实的使用 Case。。。。。。。。下面直接进入实测。。。。。。。。
一手实测
MiniMax M2.5 真能成为打工人的得力助手吗？？？？？ ？
作为苦逼的媒体人，， ， ，，，，，我们最怕的就是在那堆长达几小时的圆桌论坛速记里「淘金」。。。。。。。。大佬们聊嗨了往往也是车轱辘话往返说，， ， ，，，，，我们要想提炼点干货，， ， ，，，，，眼睛都得看瞎。。。。。。。。
这种脏活累活，， ， ，，，，，我是不敢交给 Opus 的，， ， ，，，，，太贵。。。。。。。。但现在既然 M2.5 这么自制，， ， ，，，，，那就不客套了。。。。。。。。
我们决议搞个破损性测试：直接把一堆重大的 HTML 名堂的速记文件「喂」给它，， ， ，，，，，让它不但要提炼看法，， ， ，，，，，还要剖析趋势、找不同，， ， ，，，，，甚至还要做横向比照。。。。。。。。
你是一个专业的行业圆桌论坛速读剖析师。。。。。。。。我会逐个上传论坛速记 / 纪要文件，， ， ，，，，，你的使命是：1）提取焦点看法，， ， ，，，，，用 bullet points 列出每位讲话人的要害论断和论据；；；；； ；；；2）识别趋势信号（正在形成共识的偏向）和不同点（保存争议的态度或展望）；；；；； ；；；3）标注任何提及的详细数据、产品名或时间节点。。。。。。。。每处置惩罚完一篇，， ， ，，，，，输出一份结构化摘要。。。。。。。。待我见告"所有竣事" 后，， ， ，，，，，综合所有文件，， ， ，，，，，输出一份总览：横向比照各场论坛的重复主题与奇异视角，， ， ，，，，，提炼出 3-5 条跨论坛的强趋势，， ， ，，，，，以及 2-3 个值得一连视察的焦点不同。。。。。。。。坚持精练，， ， ，，，，，阻止泛化总结，， ， ，，，，，优先引用讲话人原话或详细案例。。。。。。。。
MiniMax M2.5 接到使命后，， ， ，，，，，丝毫没有「消化不良」。。。。。。。。面临超大文件，， ， ，，，，，它甚至自作主张地启动了多个 Agent 并行开工（颇有一种「兄弟们一起上」的既视感）：
15 分钟后，， ， ，，，，，几十万 Token 跑完，， ， ，，，，，一份高质量报告出炉：
搞定了阅读，， ， ，，，，，再来试试写代码。。。。。。。。
作为小编，， ， ，，，，，我们天天都要跟排版做斗争。。。。。。。。虽然PT视讯(中国区)官网排版规则不重大（正文 15px、特定颜色加粗、版权信息居中……），， ， ，，，，，但每次手动调也很烦。。。。。。。。
既然官方宣称 M2.5 具备「架构师头脑」，， ， ，，，，，能原生 Spec 行为。。。。。。。。也就是说，， ， ，，，，，差别于通俗模子上来就盲目堆代码，， ， ，，，，，M2.5 在下手前会先像资深架构师一样做妄想，， ， ，，，，，自动拆解功效、结构和 UI。。。。。。。。无论是 Rust、C++ 照旧 Python，， ， ，，，，，从 0-1 的系统设计到最后的 Code Review，， ， ，，，，，它都能像内行一样 Hold 住全场。。。。。。。。那我们就让它手搓一个「微信公众号 Markdown 编辑器」。。。。。。。。
需求很简朴：复制进来 →自动名堂化 → 支持微调 → 一键复制带样式。。。。。。。。
第一步，， ， ，，，，，为了避免它「听不懂人话」，， ， ，，，，，我们先让它把我的需求翻译成更专业的提醒词。。。。。。。。
可以看到，， ， ，，，，，MiniMax M2.5 概略上准确地明确了PT视讯(中国区)官网需求，， ， ，，，，，但在版权信息处泛起了一点幻觉，， ， ，，，，，轻松修改后，， ， ，，，，，我们只需一句提醒词就能实现它：「读取 微信公众号 Markdown 编辑器开发提醒词.md 文件并实现它」。。。。。。。。
天生时长 2 分半，， ， ，，，，，接杯水的功夫，， ， ，，，，，M2.5 轻轻松松就实现了这个适用小工具。。。。。。。。找篇文章试试效果：
仔细检查了一下，， ， ，，，，，我们给出的需求都获得了知足。。。。。。。。
作为一家专业的 AI 媒体，， ， ，，，，，一样平常网络 AI 社区名人看法的素材也是事情的一部分，， ， ，，，，，但问题是有时间只顾着网络，， ， ，，，，，并没有真正将这些素材用起来，， ， ，，，，，它们都甜睡在PT视讯(中国区)官网资料库中。。。。。。。。借助 MiniMax M2.5 + Claude Code，， ， ，，，，，我们可以轻松地挖掘PT视讯(中国区)官网知识客栈，， ， ，，，，，真正使用起尘封的知识。。。。。。。。
首先，， ， ，，，，，翻开PT视讯(中国区)官网选题库，， ， ，，，，，发明早期的文件和最近的文件命名名堂不统一，， ， ，，，，，而 M2.5 可以轻松解决这个问题，， ， ，，，，，就一句话的事儿：
接下来，， ， ，，，，，M2.5 还可以为我们将这些 docx 文档转换成兼容 Obsidian 的 Markdown 名堂。。。。。。。。这里我们可以引入 Obsidian 首创人 Steph Ango 亲自开源的 obsidian-skills，， ， ，，，，，给 M2.5 一个参考手册。。。。。。。。PT视讯(中国区)官网提醒词也很简朴：
基于 Skills，， ， ，，，，，将文件夹中的所有文件都转换成切合 Obsidian 规范的 Markdown 文件。。。。。。。。
接下来我们可以将转换好的文件放入一个 Obsidian 客栈来举行治理，， ， ，，，，，而 MiniMax M2.5 也可以追随我们一起。。。。。。。。好比这里，， ， ，，，，，我们可以让 M2.5 提取选题中所有与 Andrej Karpathy 和吴恩达相关的选题：
可以看到，， ， ，，，，，M2.5 找到了 5 个与 Andrej Karpathy 相关的选题，， ， ，，，，，找到了 14 个与吴恩达相关的选题，， ， ，，，，，并对选题举行了总结同时还标记了来由，， ， ，，，，，而得益于 M2.5 10B 的轻量级参数规模，， ， ，，，，，整个历程耗时不到 1 分钟。。。。。。。。
最后，， ， ，，，，，我们还让 M2.5 基于PT视讯(中国区)官网选题文档总结了近几个月 AI 领域的生长趋势，， ， ，，，，，各人可以看看总结得是否准确：
M2.5 背后
108 天极速进化的神秘
在前面的测评中，， ， ，，，，，M2.5 已经体现出显着差别于通俗模子的智能体能力。。。。。。。。但比单次测评效果更令人细思极恐的，， ， ，，，，，是 MiniMax 展现出的「进化速率」。。。。。。。。
在已往短短 108 天里，， ， ，，，，，MiniMax 陆续更新了 M2、M2.1 和 M2.5 三个版本！
这让 M2 系列模子在编程领域最具代表性的 SWE-Bench Verified 榜单上，， ， ，，，，，相比 Claude、GPT 和 Gemini 等顶级模子系列，， ， ，，，，，坚持了行业最快的前进速率 —— 这从上图折线的斜率也能看出。。。。。。。。
这种逾越预期的迭代效率不是凭空泛起的，， ， ，，，，，也不是纯粹靠堆算力堆出来的。。。。。。。。要明确它为什么能跑得这么快，， ， ，，，，，就得看一眼它背后的训练系统：原生 Agent RL 框架 Forge
智能体训练的第一道坎，， ， ，，，，，在于「语言模子」和「使命执行者」这两个身份之间的鸿沟。。。。。。。。大模子原生是自回归 Token 展望器，， ， ，，，，，它可以模拟许多形式，， ， ，，，，，但并不是为一连交互和工具挪用而生。。。。。。。。为相识决这一问题，， ， ，，，，，MiniMax 引入了 Forge 原生 Agent RL 框架。。。。。。。。
Forge 在设计上通过引入中心层完全解耦了底层训推引擎与 Agent，， ， ，，，，，把「模子只认真处置惩罚 Token」这件事做到了极致。。。。。。。。模子训练和推理看到的都是统一种 Token 形态，， ， ，，，，，不去明确什么工具挪用、情形状态这些重大结构。。。。。。。。而 Agent 那一侧则通过标准的 OpenAI 接口和模子通讯，， ， ，，，，，专心处置惩罚情形交互和上下文治理。。。。。。。。
这种彻底解耦的利益是：模子能力不会被绑定在某一个详细 Agent 产品上，， ， ，，，，，它可以接入差别的工详细系和脚手架，， ， ，，，，，实现更强的泛化。。。。。。。。
更大的难题是长链路下的信用分派（Credit Assignment）。。。。。。。。使命执行几十步后才知道效果，， ， ，，，，，模子很难回溯事实是哪一步导致了失败。。。。。。。。MiniMax M2.5 引入了历程奖励机制（Process Reward），， ， ，，，，，对天生质量举行全链路监控，， ， ，，，，，而不但看最终成败。。。。。。。。同时，， ， ，，，，，为对齐真适用户体验，， ， ，，，，，他们将使命完成耗时也纳入奖励函数。。。。。。。。这套奖励设计让模子在智能度与响应速率之间实现了可量化的最优权衡。。。。。。。。
这些算法立异要真正跑起来，， ， ，，，，，还得过工程这一关。。。。。。。。智能体数据自然有大宗公共前缀，， ， ，，，，，若是每条样本自力训练，， ， ，，，，，统一段系统提醒要重复盘算数十遍。。。。。。。。M2.5 将多条前缀相同的样本合并为一棵前缀树，， ， ，，，，，通过树状合并训练样本战略，， ， ，，，，，实现了约 40 倍的训练加速。。。。。。。。
另一项优化是强化学习的调理战略：智能体使命耗时差别重大，， ， ，，，，，简朴使命秒回，， ， ，，，，，重大使命需期待。。。。。。。。MiniMax 优化了异程序度战略，， ， ，，，，，平衡系统吞吐和样本的 off-policyness，， ， ，，，，，最终在系统吞吐量与训练效率之间告竣了平衡。。。。。。。。
Intelligence with Everyone
回到开头 Claude Opus 4.6 的定价话题。。。。。。。。极速版 Opus 4.6 高达 150 美元的输出价钱足以说明，， ， ，，，，，在真正的生产力情形中，， ， ，，，，，值钱的不但是智力自己，， ， ，，，，，速率等影响效率的因素现在也变得举足轻重。。。。。。。。打工人真正需要的，， ， ，，，，，是一个智力、速率等各方面都优异的「六边形战士」。。。。。。。。
然而，， ， ，，，，，顶级智力的高昂溢价正在制造一场隐形的手艺分层：预算决议了你的 AI 助理是「满血」照旧「残血」，， ， ，，，，，是极速照旧降速。。。。。。。。在这一配景下，， ， ，，，，，MiniMax M2.5 依附 10B 级的轻盈规模承载了同级别的旗舰智力，， ， ，，，，，不但是目今市场的性价比标杆，， ， ，，，，，更是将高阶智能从「奢侈品」拉回到了「生产力工具」的领域。。。。。。。。
这更像是一场手艺普惠，， ， ，，，，，而非针对少数人的手艺特权。。。。。。。。现在，， ， ，，，，，MiniMax 所坚持的「效劳通俗人的 AI」「Intelligence with Everyone」具像化了。。。。。。。。
若是把 M2.5 和 MiniMax 前段时间宣布的桌面端 Agent 放在一起看，， ， ，，，，，它的价值就更具像化了：一个是可以外地安排的超强盛脑，， ， ，，，，，一个是包括外地文件系统会见、浏览器控制、代码编辑器集成、后台常驻运行等完善功效的脚手架。。。。。。。。二者强强团结，， ， ，，，，，有望成为白领与程序员手中谁人随时待命、不计本钱的「主力机」。。。。。。。。
这种顶级智力的全民普惠，， ， ，，，，，才是整个社会生产力提升的最强动力。。。。。。。。
文中视频链接：https:/盛邦企业治理有限公司/mp.weixin.qq.com/s/5zxoNnuxUfQk6dg4VsHFPw