Especificaciones técnicas de MiniMax‑M2.5
| Campo | Declaración / valor |
|---|---|
| Nombre del modelo | MiniMax-M2.5 (versión de producción, 12 de febrero de 2026). |
| Arquitectura | Transformer de mezcla de expertos (MoE) (familia M2). |
| Parámetros totales | ~230 mil millones (capacidad total de MoE). |
| Parámetros activos (por inferencia) | ~10 mil millones activados por inferencia (activación dispersa). |
| Tipos de entrada | Texto y código (compatibilidad nativa con contextos de código de múltiples archivos), llamadas a herramientas / interfaces de herramientas API (flujos de trabajo de agentes). |
| Tipos de salida | Texto, salidas estructuradas (JSON/llamadas a herramientas), código (múltiples archivos), artefactos de Office (PPT/Excel/Word a través de cadenas de herramientas). |
| Variantes / modos | M2.5 (alta precisión/capacidad) y M2.5-Lightning (misma calidad, menor latencia / mayor TPS). |
¿Qué es MiniMax‑M2.5?
MiniMax‑M2.5 es la actualización insignia de la familia M2.x enfocada en productividad del mundo real y flujos de trabajo de agentes. La versión enfatiza una mejor descomposición de tareas, integración de herramientas/búsqueda, fidelidad en la generación de código y eficiencia de tokens para problemas extendidos de múltiples pasos. El modelo se ofrece en una variante estándar y una variante “lightning” de menor latencia, pensadas para diferentes compromisos de implementación.
Principales características de MiniMax‑M2.5
- Diseño centrado en agentes: Planificación mejorada y orquestación de herramientas para tareas de múltiples etapas (búsqueda, llamadas a herramientas, arneses de ejecución de código).
- Eficiencia de tokens: Reducciones reportadas en el consumo de tokens por tarea frente a M2.1, lo que permite menores costos de extremo a extremo para flujos de trabajo largos.
- Finalización de extremo a extremo más rápida: Los informes de benchmarking del proveedor muestran tiempos promedio de finalización de tareas ~37% más rápidos que M2.1 en evaluaciones de codificación de agentes.
- Sólida comprensión del código: Ajustado sobre corpus de código multilingüe para refactorizaciones sólidas entre lenguajes, ediciones de múltiples archivos y razonamiento a escala de repositorio.
- Servicio de alto rendimiento: Orientado a implementaciones de producción con perfiles altos de tokens/seg; adecuado para cargas de trabajo continuas de agentes.
- Variantes para compromisos entre latencia y potencia: M2.5‑lightning ofrece menor latencia con menor cómputo y huella para escenarios interactivos.
Rendimiento en benchmarks (reportado)
Aspectos destacados reportados por el proveedor — métricas representativas (lanzamiento):
- SWE‑Bench Verified: 80,2% (tasa de aprobación reportada en arneses de benchmark del proveedor)
- BrowseComp (búsqueda y uso de herramientas): 76,3%
- Multi‑SWE‑Bench (codificación multilenguaje): 51,3%
- Velocidad / eficiencia relativa: ~37% más rápido en finalización de extremo a extremo vs M2.1 en SWE‑Bench Verified en pruebas del proveedor; ~20% menos rondas de búsqueda/herramientas en algunas evaluaciones.
Interpretación: Estos números sitúan a M2.5 en paridad o cerca de los modelos líderes de la industria en agentes/código en los benchmarks citados. Los benchmarks son reportados por el proveedor y reproducidos por varios medios del ecosistema — considérelos medidos bajo el entorno/configuración del proveedor salvo reproducción independiente.
MiniMax‑M2.5 frente a pares (comparación concisa)
| Dimensión | MiniMax‑M2.5 | MiniMax M2.1 | Ejemplo par (Anthropic Opus 4.6) |
|---|---|---|---|
| SWE‑Bench Verified | 80,2% | ~71–76% (varía según el entorno de evaluación) | Comparable (Opus reportó resultados cercanos a los mejores) |
| Velocidad en tareas de agentes | 37% más rápido vs M2.1 (pruebas del proveedor) | Base | Velocidad similar en arneses específicos |
| Eficiencia de tokens | Mejorada vs M2.1 (~menos tokens por tarea) | Mayor uso de tokens | Competitiva |
| Mejor uso | Flujos de trabajo de agentes en producción, canalizaciones de código | Generación anterior de la misma familia | Fuerte en razonamiento multimodal y tareas con ajuste de seguridad |
Nota del proveedor: las comparaciones derivan de materiales del lanzamiento y reportes de benchmarks del proveedor. Pequeñas diferencias pueden ser sensibles al entorno de pruebas, la cadena de herramientas y el protocolo de evaluación.
Casos de uso empresariales representativos
- Refactorizaciones a escala de repositorio y canalizaciones de migración — preservar la intención en ediciones de múltiples archivos y parches de PR automatizados.
- Orquestación de agentes para DevOps — orquestar ejecuciones de pruebas, pasos de CI, instalaciones de paquetes y diagnósticos de entorno con integraciones de herramientas.
- Revisión y remediación de código automatizadas — clasificar vulnerabilidades, proponer correcciones mínimas y preparar casos de prueba reproducibles.
- Recuperación de información impulsada por búsqueda — aprovechar la competencia de búsqueda a nivel BrowseComp para realizar exploración multirronda y resumir bases de conocimiento técnicas.
- Agentes y asistentes de producción — agentes continuos que requieren inferencia prolongada estable y rentable.
Cómo acceder e integrar MiniMax‑M2.5
Paso 1: Regístrate para obtener la clave API
Inicia sesión en cometapi.com. Si aún no eres usuario, regístrate primero. Entra en tu CometAPI console. Obtén la credencial de acceso de la clave API de la interfaz. Haz clic en “Add Token” en el token de API en el centro personal, obtén la clave de token: sk-xxxxx y envía.
Paso 2: Envía solicitudes a la API minimax-m2.5
Selecciona el endpoint “minimax-m2.5” para enviar la solicitud de API y configura el cuerpo de la solicitud. El método y el cuerpo de la solicitud se obtienen de la documentación de nuestra API en el sitio web. Nuestro sitio también ofrece prueba en Apifox para tu conveniencia. Reemplaza <YOUR_API_KEY> con tu clave real de CometAPI en tu cuenta. Dónde llamarlo: formato Chat.
Inserta tu pregunta o solicitud en el campo content—esto es a lo que responderá el modelo . Procesa la respuesta de la API para obtener la respuesta generada.
Paso 3: Recupera y verifica los resultados
Procesa la respuesta de la API para obtener la respuesta generada. Después del procesamiento, la API responde con el estado de la tarea y los datos de salida.