MiniMax M2.5
6216°
Chạy mô hình này
Ưu đãi / Quảng cáo
MiniMax | 204,800 token context | $0.27/M input, $0.95/M output. MiniMax-M2.5 is a SOTA large language model designed for real-world productivity. Trained in a diverse range of complex real-world digital working environments, M2.5 builds upon the coding expertise of M2.1 to extend into general office work, reaching fluency in generating and operating Word, Excel, and Powerpoint files, context switching between diverse software environments, and working across different agent and human teams. Scoring 80.2% on SWE-Bench Verified, 51.3% on Multi-SWE-Bench, and 76.3% on BrowseComp, M2.5 is also more token efficient than previous generations, having been trained to optimize its actions and output through planning.
Hướng dẫn cho mô hình này
LLM cục bộ tốt nhất theo từng trường hợp sử dụng (Tháng 10 năm 2026): mô hình mở phù hợp cho mọi công việc
Mở weights vs mã nguồn mở vs chỉ API: bạn thực sự được phép làm gì
Mình thực sự cần bao nhiêu VRAM cho AI cục bộ?
Tệp GGUF là gì? Giải thích về các mô hình lượng tử hóa (Q4, Q8, fp8, NF4)
Ghi chú của thuyền trưởng
Ghi chú từ 2026-10-13
MiniMax M2.5 là mô hình trọng số mở cấp tiên tiến từ MiniMax, được xây dựng đặc biệt cho công việc tác nhân: lập trình toàn bộ vòng đời phát triển, tìm kiếm trên trình duyệt, và xử lý các tệp văn phòng thực tế trong Word, Excel và PowerPoint. Việc huấn luyện bằng học tăng cường trong môi trường thực tế giúp nó có khả năng sử dụng công cụ và kỷ luật lập kế hoạch rất mạnh. Với giá $0.27/M đầu vào và $1.08/M đầu ra cùng cửa sổ ngữ cảnh 204.800 token, nó có giá cạnh tranh hơn hầu hết đối thủ ở mức benchmark tương đương.
Nổi tiếng với
- 80.2% trên SWE-Bench Verified, cạnh tranh với các mô hình đóng hàng đầu trên nhiều bộ kiểm tra.
- Lập kế hoạch mã như một kiến trúc sư trước khi viết dòng code nào, phân rã cấu trúc và tính năng trước.
- Được huấn luyện trên hơn 13 ngôn ngữ trong các dự án web, Android, iOS và Windows full-stack.
- Tạo và thao tác tệp Word, Excel, PowerPoint một cách bản địa, không chỉ là văn bản về chúng.
- 76.3% trên BrowseComp; khả năng tìm kiếm web tự động và gọi công cụ mạnh trong pipeline tác nhân.
Cẩn thận với
- Trọng số mở theo giấy phép Modified-MIT — kiểm tra kỹ điều khoản trước khi triển khai thương mại.
- Mô hình cấp tiên tiến; suy luận cục bộ đòi hỏi phần cứng mạnh. Yêu cầu VRAM chưa được công bố.
- Cửa sổ ngữ cảnh tối đa 204.800 token — dài nhưng không thuộc nhóm hơn 1 triệu token như một số đối thủ.
Lời nhắc để thử
Tính năng full-stack từ đầu
Bạn đang xây dựng ứng dụng quản lý nhiệm vụ web. Thiết kế kiến trúc trước: liệt kê các thành phần, mô hình dữ liệu và API endpoint. Sau đó triển khai một REST endpoint trong Node.js với Express để tạo nhiệm vụ mới, xác thực đầu vào và lưu vào cơ sở dữ liệu SQLite. Bao gồm xử lý lỗi và kiểm thử ngắn bằng curl.
Kế hoạch tác nhân đa bước
Tôi cần nghiên cứu năm cơ sở dữ liệu vector mã nguồn mở hàng đầu theo số sao GitHub, so sánh giấy phép của chúng, và đưa ra khuyến nghị cho một startup muốn tự lưu trữ. Phân chia nhiệm vụ thành các bước, nêu công cụ hoặc tìm kiếm bạn sẽ dùng ở mỗi bước, rồi thực hiện kế hoạch và cho tôi bảng so sánh cuối cùng.
Logic Excel trong code thuần
Viết script Python dùng openpyxl mở file sales.xlsx, đọc sheet tên Q1, tính tổng giá trị cột C cho mỗi dòng có cột B bằng 'EMEA', và ghi kết quả vào ô F2 với nhãn 'EMEA Total' ở E2. Xử lý trường hợp sheet không tồn tại.
So sánh với
- MiniMax M1Mô hình chỉ APIngữ cảnh 1,000,000 token · Đầu vào $0.55/M, đầu ra $2.20/M
- MiniMax M3Mô hình mở trọng sốngữ cảnh 1,048,576 token · Đầu vào $0.30/M, đầu ra $1.20/M
- MiniMax M2.1Mô hình mở trọng sốngữ cảnh 204,800 token · Đầu vào $0.30/M, đầu ra $1.20/M
- MiniMax M2Mô hình mở trọng sốngữ cảnh 204,800 token · Đầu vào $0.26/M, đầu ra $1.02/M
Thêm mô hình văn bản từ minimax
Câu hỏi thường gặp
- Trọng số M2.5 có mở và tôi có thể chạy cục bộ không?
- Có, trọng số có trên Hugging Face theo giấy phép Modified-MIT, nên có thể triển khai cục bộ — nhưng MiniMax chưa công bố số tham số hay yêu cầu VRAM tối thiểu, nên hãy kiểm tra kho lưu trữ trước khi đầu tư phần cứng.
- M2.5 có giá bao nhiêu và cửa sổ ngữ cảnh dài bao nhiêu?
- Qua API, giá $0.27 cho mỗi triệu token đầu vào và $1.08 cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 204.800 token.
- M2.5 khác gì so với M2.1?
- M2.5 mở rộng trọng tâm lập trình của M2.1 sang công việc văn phòng tổng quát — xử lý tệp Word, Excel, PowerPoint bản địa — và được báo cáo hoàn thành nhiệm vụ tác nhân nhanh hơn M2.1 37% trong khi điểm số cao hơn trên SWE-Bench Verified và BrowseComp.
Phán quyết của thuyền trưởngMô hình lập trình tác nhân nghiêm túc với mức giá làm cho các phiên chạy tự động liên tục trở nên thực sự khả thi — khả năng xử lý tệp văn phòng là điểm khác biệt hiếm có.
Thẻ mô hình trên Hugging Face
Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Điểm số này được tính như thế nào
Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.
Thuật ngữ: các từ dùng ở đây
- Điểm nhiệt
- Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
- Sàn điểm
- 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
- Tương đương lượt tải
- Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
- Thang log
- Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
- Lượt thích
- Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
- Tỷ lệ áp dụng
- Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
- Đã đo và ước tính
- Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
- Seeder
- Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
- AI Horde
- Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
- Trang tạo ảnh
- Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
- Token OpenRouter
- Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Mô hình đầy đủ (checkpoint)
- Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
- LoRA và embedding
- Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
- Gia đình và trọng số
- Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
- Tuổi
- Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
- Tăng gia đình
- Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
- Điểm thay thế
- Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
- Mới! (giai đoạn thử nghiệm)
- Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
- Xu hướng
- Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
- Mô hình điển hình
- Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.
MiniMax M2.5 là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác và xem điểm độ hot để biết xu hướng.
Thêm mô hình Text / LLMThêm Văn bản / LLM Text / LLMllmminimaxlý luậnlập trìnhtác nhânngữ cảnh dàicục bộ
Duyệt theo họ mô hình
Mô hình Text / LLM
434
Mô hình Anima
528
Mô hình Chroma
19
Mô hình Fibo
2
Mô hình Flux
1,496
Mô hình Flux 2 / Klein
1,239
Mô hình Flux 3
3
Mô hình Moss
3
Mô hình Iris
1
Mô hình MiniMax H3
364
Mô hình Hunyuan
204
Mô hình Ideogram
20
Mô hình Krea2
717
Mô hình Qwen
20
Mô hình Qwen2
47
Mô hình Ltx2
153