MiniMax M2 AI模型实测：任务拆解与变通能力提升

上海的人工智能初创公司 MiniMax 于 2025 年 10 月 27 日发布了其最新大型语言模型 MiniMax M2。该模型基于 MIT 开源许可证，采用 2300 亿参数的混合专家（Mixture-of-Experts）架构，单次推理时激活约 100 亿参数。目前 MiniMax M2 已通过 MiniMax API 向全球开发者免费开放，试用期至 2025 年 11 月 7 日，并兼容 Hugging Face 与 vLLM 等主流框架。

据 MiniMax 公布的技术报告，该模型在全球权威测评榜单 Artificial Analysis 中总分位列全球前五、开源第一，与 OpenAI、Anthropic、Google 等国际巨头同台竞技。其在推理与代码生成任务中的表现超过了谷歌的 Gemini 2.5 Pro，API 使用成本约为 Anthropic Claude Sonnet 4.5 的 8%。

蓝鲸科技记者进行了首测。在实验中，当向 M2 提供制作美术爱好者个人网站的 Agent 指令后，系统迅速理解需求并生成多阶段的执行计划。任务被拆解为近10 个步骤，包括内容生成、前端结构设计、样式渲染、资源调用等环节。几分钟后，一个包含图片展示与作品介绍的网页初版便被生成。由于云端沙盒环境限制，模型暂无法直接输出可公开访问的链接。当进一步提出生成可部署网站链接的指令时，M2 展现了灵活变通能力——它列出了 Vercel、Netlify、GitHub Pages 等免费部署方案，并提供可离线打开的单文件版网站替代方案，后期经自动故障排查与修复后，最终输出结构清晰、样式统一的网页版本。

从用户体验角度，这种问题响应与动态调整能力，已接近轻量级网页开发助手的水平。此外，MiniMax M2 的 Agent 系统已覆盖多领域任务，如跨领域多步推理、代码生成、数据分析、文案策划与知识检索等复杂任务。技术上看，该模型已将语言理解、工具调用与执行链控制能力深度融合，具备端到端完成任务的雏形，呼应了近年来 AI Agent 快速进化的行业趋势。

与 OpenAI AgentKit、Anthropic 等国际同类产品对比，MiniMax M2 在任务拆解完整度、上下文理解与执行控制上有所提升，但仍存在全流程闭环短板，如数据来源覆盖、上下文理解、执行链中断等问题。未来其技术参数、工具生态完善程度与商业模式可持续性，将决定其在 AI 市场竞争中的价值。