M2.5登顶OpenRouter：打造人人所需的核心AI模型秘诀
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
作者 ｜ 王兆洋
邮箱 ｜ wangzhaoyang@pingwest.com
先看一组数据：
评估模型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%。
最大分差也不超过4分，差距就这么点大。开发者今天其实已经很难只靠这些“考试分数”来选择要用的模型。
但最近还有另一组很有意思的数据，来自最重要的模型调用平台之一OpenRouter：
最新统计显示，最近其平台上的token调用激增，且其中很多需求来自100K-1M长文本任务，也就是agent工作流最典型消耗区间。刺激这些需求爆发的一个重要因素是一个新模型的发布——MiniMax M2.5。单是在OpenRouter上，它发布后七天的调用量就到了破纪录的 3.07T tokens。
这说明什么？
今天公开的benchmark也就是打榜式的评测已经没那么重要了，因为差别不再明显。但与此同时，真实使用者的感受越来越关键，做好了，你就可以成为最受欢迎的那一个，因为用户们对模型的需求远远未被满足。
所以，关键的问题变成，如何做出大家最需要的那个模型。
可以先来看看这个备受欢迎的MiniMax M2.5是一个什么样的模型。
1.模型部署上：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的模型。它不会叫自己端侧模型，但已经是私有化部署最友好的模型。这是一个实战中总结出来的性价比甜点位，也是头部模型里这种友好度里的唯一选择。
2.价格：没有波动，这是开发者最在意的负担
人们想尽可能多消耗token，但对价格变化又有负担，M2.5通过各种工程和算法更新，在性能提升同时，把价格维持住了，这其实说明MiniMax自己也清楚知道真实的开发者的最大负担是什么。
3.模型的核心能力：死磕Coding和Agent，让开发者真的认真考虑用它替代Claude
此次M2.5在编程上性能提升的来源，不再是“不论过程只管对标结果”的方式，而是把开发过程里的代码工程甚至开发思维训练到模型里。M2.5的spec能力就是一个典型的代表。
最新报告这样形容：M2.5 具备了像架构师一样思考和构建的能力，比如模型演化出了原生 Spec 行为：在动手写代码前，以架构师视角主动拆解功能、结构和 UI 设计，实现完整的前期规划。
M系列阶段性目标明确，此时此刻，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/小时的成本给你100 tokens/秒的吞吐，还要什么自行车。
这当然是个带有赌注成分的决定，并且需要做出trade off，但目前看起来效果不错收益明显。大量Claude Code用户在选择模型时真的逃不开要考虑M系列模型，这就很能说明问题。
4.推理：推理效率的极致优化，每一环都是在解决业务压力
M2.5在工程化上持续补全：平衡吞吐和稳定的Windowed FIFO，把大量重复前缀合并处理、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.以及可能是最重要的，又一个技术创新：RL框架Forge
MiniMax在技术上一直挺有追求，不少新的思路是它第一批尝试然后反馈给行业里，比如此前的交错思维链式推理等。而这一次它重点介绍了用在M2.5训练里的一个新的 RL 框架 Forge 。
这是一个工业级的Agent RL 训练方案，也就是它的目标非常务实，就是面向真实复杂的场景大规模训练AI Agent。
上个阶段把Agent训入模型的方式其实依然粗糙，它们有点“混为一谈”的感觉，而Forge这次核心探索了对Agent部分和模型本身基础能力做解耦的方法。
先把Agent和它需要的环境抽象出来，与模型本身区分开，然后在两者间增加一个中间层，既扮演物理隔离的作用，也提供智能调度和实施策略调整的角色。这很巧妙。
更有意思的是，这样解耦后，还解锁了一个新的scale的方向，就是把各种Agent框架放进去做训练，最终获得泛化能力。这是个非常有用，甚至直接能影响开发者体验的泛化，它让M2.5可以适配各种见过没见过的“脚手架”。
这同样是真实agent场景里非常需要的能力。
看过M 2.5的这些训练重点，你会发现，它的这些优化都不是为了刷榜，而是为了解决非常具体的问题——在Agent的需求快速取代了所谓对话场景的需求后，模型该提供什么样的智能。
它需要在效果和价格上找到微妙平衡，持续提升性能的同时降低成本。
这说来简单，但对这个度的把握很难。模型厂要对这些开发者的需求有最直接的感知。而MiniMax的“手感”其实正来自这家公司自己内部。
M2.5背后，MiniMax 的M系列模型最重要的研发思路就是要解决它内部各个团队在开发agent的过程里遇到的问题。
闫俊杰曾在M1发布后分享过：“公司内部的小伙伴一直在搭建各种各样的Agent，来帮助解决公司飞速发展中遇到的各项挑战……但是我们发现没有一款模型在这些Agent上能完全满足我们的需求。这里面的挑战在于好的模型需要在效果、价格和推理速度上取得好的平衡，这几乎是一个‘不可能三角’……我们一直在探索，能不能有一款模型能在效果、价格和速度上能取得比较好的平衡，从而让更多的人能受益于Agent时代的智能提升。”
所以，MiniMax M2发布时，它做到当时Claude主力模型价格的8%，而最新的MiniMax M2.5价格是Claude主力模型的1/12。甚至，M2.5直接被形容为“1万美元可以让4个Agent连续工作一年”的模型，这几乎意味着你可以不需要考虑使用成本地近乎无限使用它。
同时，从死磕编程能力、开发Forge框架再到各种推理优化，它继续榨出更好的模型效果和更快推理速度。
而其中像Forge框架这种创新，就是整个M2.5背后思路的典型代表：只有那些自己在日常工作环境里对各种agent脚手架之间的适配感到过绝望，对真实环境里模型与agent能力之间的关系真正“抓狂”过的模型团队才会去解决这些问题。
M2.5显然是MiniMax自己在面对“不可能三角”时最需要的那类模型。现在，它也成了开发者们最需要的那类模型。
所以作为模型公司本身，当你一直在牌桌上，你自己其实就是最能检验模型实际能力和体验的第一道关。
当一家模型公司自己对生产力AI的需求达到最先进程度，它自己面对的体验困局也就会是人们最重要和普遍的需求，它的创新方向就会是大家期待的模型的进步方向。
它自己喜欢的那个模型，就会是大家最喜欢的模型。
点个“爱心”，再走 吧
相关攻略
张延柏 张延柏近照，AI修饰生成素描画 不久前，我们团队研发的灵巧手完成了一项极具挑战的操作——“穿针引线”。机械指尖稳定地捏住细线，缓缓对准针眼，最终将线顺利穿过。对人类来说，这是一个简单的日常动
过去，工程师谈薪资，谈的是年薪、奖金、股票和期权。如今，硅谷的风向正在悄然变化。英伟达CEO黄仁勋在GTC 2026大会上抛出一个颇具冲击力的判断：未来，Token可能成为工程师薪酬的一部分。几乎与
新智元报道编辑：LRST【新智元导读】ICLR论文STEM架构率先提出「查表式记忆」架构，早于DeepSeek Engram三个月。它将Transformer的FFN从动态计算改为静态查表，用tok
这项由阿伯丁大学和格勒诺布尔阿尔卑斯大学联合开展的研究发表于2025年，相关论文编号为arXiv:2603 19017v1。当我们使用ChatGPT或其他AI助手处理时间相关问题时，比如 "2024年
这项由清华大学、青海大学和蚂蚁集团联合进行的研究发表于2026年，有兴趣深入了解的读者可以通过论文编号arXiv:2603 19635v1查询完整论文。随着人工智能技术的飞速发展，我们的聊天机器人和
热门专题
热门推荐
IT之家 3 月 31 日消息，手机手电筒是一项用户常用的功能，无论是在漆黑的衣柜里翻找物品，还是夜间在停车场辨路前行，需要时它总能随时派上用场。但如今，部分 Pixel 10 Pro 用户反馈：如
闰年判定有四种Numbers兼容公式：一、MOD嵌套OR+AND逻辑；二、DATE+DAY反推2月最后一天；三、TEXT+ISERROR验证“年份-02-29”有效性；四、YEAR
IT之家 3 月 31 日消息，对很多人来说，晕车晕船是旅行中最常见的烦心事之一。三星悄然上线了一款名为 Hearapy 的免费应用，来解决这一令人不适的问题。该公司称，这款应用无需药物或物理缓解手
据海光信息（688041 SH）消息，近日，中国电信（601728 SH）湖南分公司2026年数智科技生态大会在长沙召开，中国电信湖南分公司与海光信息全面深化数智生态合作。根据协议，双方将聚焦智能制
30万元以上的高端纯电车，显然成了新能源车市的那块硬骨头。除了有换电加持的蔚来新ES8，大量被车企寄予厚望的高端明星纯电车都难逃疲软命运，典型如理想MEGA和i8，一次起火事故，直接造成销量断崖式下