作者 ｜ 王兆洋邮箱 ｜ wangzhaoyang@pingwest.com
先看一组数据：
评估模子编程能力的主流榜单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%。。。 。。
最大分差也不凌驾4分，，， ，，，，差别就这么点大。。。 。。浚�？？？？ ？⒄呓裉熳攀狄丫苣阎豢空庑翱际苑质崩囱≌玫哪Ｗ�。。。 。。
但最近尚有另一组很有意思的数据，，， ，，，，来自最主要的模子挪用平台之一OpenRouter：
官方统计显示，，， ，，，，最近其平台上的token挪用激增，，， ，，，，且其中许多需求来自100K-1M长文本使命，，， ，，，，也就是agent事情流最典范消耗区间。。。 。。刺激这些需求爆发的一个主要因素是一个新模子的宣布——MiniMax M2.5。。。 。。单是在OpenRouter上，，， ，，，，它宣布后七天的挪用量就到了破纪录的 3.07T tokens。。。 。。
这说明什么？？？？？？ ？
今天果真的benchmark也就是打榜式的评测已经没那么主要了，，， ，，，，由于差别不再显着。。。 。。但与此同时，，， ，，，，真实使用者的感受越来越要害，，， ，，，，做好了，，， ，，，，你就可以成为最受接待的那一个，，， ，，，，由于用户们对模子的需求远远未被知足。。。 。。
以是，，， ，，，，要害的问题酿成，，， ，，，，怎样做出各人最需要的谁人模子。。。 。。
可以先来看看这个备受接待的MiniMax M2.5是一个什么样的模子。。。 。。
1.模子安排上：10B激活参数，，， ，，，，实战中总结的甜点位
MiniMax M2.5，，， ，，，，一个总参数 230B，，， ，，，，激活参数只有10b的模子。。。 。。它不会叫自己端侧模子，，， ，，，，但已经是私有化安排最友好的模子。。。 。。这是一个实战中总结出来的性价比甜点位，，， ，，，，也是头部模子里这种友好度里的唯一选择。。。 。。
2.价钱：没有波动，，， ，，，，这是开发者最在意的肩负
人们想尽可能多消耗token，，， ，，，，但对价钱转变又有肩负，，， ，，，，M2.5通过种种工程和算法更新，，， ，，，，在性能提升同时，，， ，，，，把价钱维持住了，，， ，，，，这着实说明MiniMax自己也清晰知道真实的开发者的最大肩负是什么。。。 。。
3.模子的焦点能力：死磕Coding和Agent，，， ，，，，闪开发者真的认真思量用它替换Claude
此次M2.5在编程上性能提升的泉源，，， ，，，，不再是“岂论历程只管对标效果”的方法，，， ，，，，而是把开发历程里的代码工程甚至开发头脑训练到模子里。。。 。。M2.5的spec能力就是一个典范的代表。。。 。。
官方报告这样形容：M2.5 具备了像架构师一样思索和构建的能力，，， ，，，，好比模子演化出了原生 Spec 行为：在下手写代码前，，， ，，，，以架构师视角自动拆解功效、结构和 UI 设计，，， ，，，，实现完整的前期妄想。。。 。。
M系列阶段性目的明确，，， ，，，，此时现在，，， ，，，，它就是要死磕Coding 和 Agent。。。 。。它在SWE-Bench Verified 已经做到80.2%的水平，，， ，，，，同时约1 元/小时的本钱给你100 tokens/秒的吞吐，，， ，，，，还要什么自行车。。。 。。
这虽然是个带有赌注因素的决议，，， ，，，，并且需要做出trade off，，， ，，，，但现在看起来效果不错收益显着。。。 。。大宗Claude Code用户在选择模子时真的逃不开要思量M系列模子，，， ，，，，这就很能说明问题。。。 。。
4.推理：推理效率的极致优化，，， ，，，，每一环都是在解决营业压力
M2.5在工程化上一连补全：平衡吞吐和稳固的Windowed FIFO，，， ，，，，把大宗重复前缀合并处置惩罚、解放出40倍效率的树状结构……推理的每个环节都在继续优化。。。 。。
5.以及可能是最主要的，，， ，，，，又一个手艺立异：RL框架Forge
MiniMax在手艺上一直挺有追求，，， ，，，，不少新的思绪是它第一批实验然后反响给行业里，，， ，，，，好比此前的交织头脑链式推理等。。。 。。而这一次它重点先容了用在M2.5训练里的一个新的 RL 框架 Forge 。。。 。。
这是一个工业级的Agent RL 训练计划，，， ，，，，也就是它的目的很是务实，，， ，，，，就是面向真实重大的场景大规模训练AI Agent。。。 。。
上个阶段把Agent训入模子的方法着实依然粗糙，，， ，，，，它们有点“混为一谈”的感受，，， ，，，，而Forge这次焦点探索了对Agent部分和模子自己基础能力做解耦的要领。。。 。。
先把Agent和它需要的情形笼统出来，，， ，，，，与模子自己区脱离，，， ，，，，然后在两者间增添一其中心层，，， ，，，，既饰演物理隔离的作用，，， ，，，，也提供智能调理和实验战略调解的角色。。。 。。这很巧妙。。。 。。
更有意思的是，，， ，，，，这样解耦后，，， ，，，，还解锁了一个新的scale的偏向，，， ，，，，就是把种种Agent框架放进去做训练，，， ，，，，最终获得泛化能力。。。 。。这是个很是有用，，， ，，，，甚至直接能影响开发者体验的泛化，，， ，，，，它让M2.5可以适配种种见过没见过的“脚手架”。。。 。。
这同样是真实agent场景里很是需要的能力。。。 。。
看过M 2.5的这些训练重点，，， ，，，，你会发明，，， ，，，，它的这些优化都不是为了刷榜，，， ，，，，而是为相识决很是详细的问题——在Agent的需求快速取代了所谓对话场景的需求后，，， ，，，，模子该提供什么样的智能。。。 。。
它需要在效果和价钱上找到玄妙平衡，，， ，，，，一连提升性能的同时降低本钱。。。 。。
这说来简朴，，， ，，，，但对这个度的掌握很难。。。 。。模子厂要对这些开发者的需求有最直接的感知。。。 。。而MiniMax的“手感”着实正来自这家公司自己内部。。。 。。
M2.5背后，，， ，，，，MiniMax 的M系列模子最主要的研发思绪就是要解决它内部各个团队在开发agent的历程里遇到的问题。。。 。。
闫俊杰曾在M1宣布后分享过：“公司内部的小同伴一直在搭建种种各样的Agent，，， ，，，，来资助解决公司飞速生长中遇到的各项挑战……可是我们发明没有一款模子在这些Agent上能完全知足PT视讯(中国区)官网需求。。。 。。这内里的挑战在于好的模子需要在效果、价钱和推理速率上取得好的平衡，，， ，，，，这险些是一个‘不可能三角’……我们一直在探索，，， ，，，，能不可有一款模子能在效果、价钱和速率上能取得较量好的平衡，，， ，，，，从而让更多的人能受益于Agent时代的智能提升。。。 。。”
以是，，， ，，，，MiniMax M2宣布时，，， ，，，，它做到其时Claude主力模子价钱的8%，，， ，，，，而最新的MiniMax M2.5价钱是Claude主力模子的1/12。。。 。。甚至，，， ，，，，M2.5直接被形容为“1万美元可以让4个Agent一连事情一年”的模子，，， ，，，，这险些意味着你可以不需要思量使用成外地近乎无限使用它。。。 。。
同时，，， ，，，，从死磕编程能力、开发Forge框架再到种种推理优化，，， ，，，，它继续榨出更好的模子效果和更快推理速率。。。 。。
而其中像Forge框架这种立异，，， ，，，，就是整个M2.5背后思绪的典范代表：只有那些自己在一样平常事情情形里对种种agent脚手架之间的适配感应过绝望，，， ，，，，对真真相形里模子与agent能力之间的关系真正“抓狂”过的模子团队才会去解决这些问题。。。 。。
M2.5显然是MiniMax自己在面临“不可能三角”时最需要的那类模子。。。 。。现在，，， ，，，，它也成了开发者们最需要的那类模子。。。 。。
以是作为模子公司自己，，， ，，，，当你一直在牌桌上，，， ，，，，你自己着实就是最能磨练模子现实能力和体验的第一道关。。。 。。
当一家模子公司自己对生产力AI的需求抵达最先进水平，，， ，，，，它自己面临的体验困局也就会是人们最主要和普遍的需求，，， ，，，，它的立异偏向就会是各人期待的模子的前进偏向。。。 。。
它自己喜欢的谁人模子，，， ，，，，就会是各人最喜欢的模子。。。 。。
点个“爱心”，，， ，，，，再走海澜节能科技有限公司吧