而今天，MiniMax 给出了一个相对克制但颇具竞争力的答案——MiniMax M2。
从体验出发
实际体验 M2 时，最明显的感受是「平衡」。
它既不像 Claude 那样高昂，也没有一些国产模型常见的“速度快但准确性偏低”的问题。
定价上，M2 的输入仅 0.3 美元 / 百万 token，输出 1.2 美元 / 百万 token。
对比 Claude Sonnet（输入 3 美元 / 输出 15 美元），价格直接降到 8%。
而 推理速度几乎快了一倍。
在全球权威测评榜单Artificial Analysis上，M2排名全球前五，数学、科学、编码能力全面在线。
这在多 Agent 协同、复杂长链任务中非常明显——比如自动生成网页、执行多轮代码调试、跨模态调用 Python 与浏览器的任务。
核心能力
M2的核心优势在三个方向：代码、Agent和深度搜索。
1. 代码能力：端到端开发的可用级表现
M2 在 Terminal-Bench 和 SWE-Bench 这些端到端编程评测中，表现接近 Claude Code 。
更重要的是，它不仅能写出代码，还能自动进入 运行 → 调试 → 测试 → 修复 的循环。
尝试让 M2 构建一个简单的 Flask Web 应用，它在生成多个文件结构、配置环境变量、运行测试时都能自我调整。
这意味着它的「可执行性」比大部分同价位模型要高。
2. Agent 能力：复杂任务的多工具链执行
MiniMax 在内部其实有大量 Agent 实验场景，包括数据分析、技术调研、HR 简历筛选等。
这些任务需要模型能稳定规划调用浏览器、Shell、Python 执行器和 MCP 工具。
在官方测试中，M2 的 BrowseComp 评测成绩逼近 GPT-5，具备自我恢复和追溯能力。
用一句产品经理的话说，它已经能「独立承担一部分多工具执行的角色」。
3. 多模态协同：从模型能力到产品化一体化
一个很有代表性的案例：
有开发者用 M2 构建了一个「故宫博物院网站」，模型自动完成图片展示、文字讲解、语音导览生成。 整个过程由模型自主规划——从调用语音模型到生成网页内容，几乎全程无人干预。
这背后的关键，是 MiniMax 自研的多模态全栈架构。 当音频、视频、文本模型来自同一体系，它们的交互不再是简单的 API 拼接，而是深度融合。
深度搜索
在 Xbench-DeepSearch 测评中，M2 全球第二，仅次于 GPT-5。
在 FinSearchComp-global（字节金融搜索基准） 上，同样排名第二，仅落后 Grok4。
有个实测案例：用M2做一篇关于建筑经济与房地产经济关系的文献综述。
-
M2 搜索约 800 篇文献，最终综述 200 篇；
-
相比之下，Claude 4.5 搜索 500 篇，综述 100 篇。
这类任务反映出 M2 的「深度搜索 + 知识整合」能力，尤其适合研究类、报告类工作流。
开放策略
M2发布的同时，MiniMax宣布全球限时免费14天。模型免费，Agent免费，还同步上线了iOS和安卓版MiniMax Agent APP。
MiniMax 同步发布了 M2 的开源权重，并在 HuggingFace 上可直接部署（支持 SGLang 与 vLLM）。
这意味着开发者可以在本地环境快速实验，而不仅限于 API 接入。
此外，MiniMax Agent 也已经在国内外同步上线，提供两种模式：
-
Lightning 模式：适合快速问答、轻量搜索与代码调试；
-
Pro 模式：面向深度研究、全栈开发、报告/PPT生成等复杂任务。
目前官方策略是「限时全免费，直到服务器扛不住」。
这种策略显然是为了快速建立使用习惯，降低用户迁移门槛。
MiniMax 的产品逻辑
M2 体现出的，不只是模型能力，更像是 MiniMax 在产品层面的策略：
| 维度 | 主要表现 | 战略目标 |
|---|---|---|
| 价格 | Claude 8% | 降低门槛，吸引开发者试用 |
| 开放性 | 开源权重 + 免费 API | 构建生态与反馈循环 |
| 应用层 | MiniMax Agent | 将模型能力场景化，转化为日常使用价值 |
| 能力结构 | 多模态 + Agent + 搜索 | 构建技术护城河 |
这其实反映了 MiniMax 的长期方向：
模型只是基础，真正的竞争在于「谁能把能力嵌入到产品体系中」。
体验总结
从体验角度看，M2 不追求极致智能，而是把「性价比、执行力、速度」三者平衡得恰到好处。
如果你是开发者、创业团队，或者需要大量任务执行的 Agent 用户，M2 是一个值得尝试的新选项。
我更倾向于把 M2 看成「Agent 时代的中坚模型」：它足够聪明，能执行复杂任务；又足够便宜，适合大规模部署。
使用入口：
MiniMax Agent（通用 Agent 产品）：
MiniMax M2 API（开放平台）：
模型权重开源地址（HuggingFace）：可直接本地部署
结语
AI 模型的竞争，正在从“单点能力”走向“系统整合”。
M2 的发布让人看到一种新的方向：
不是拼最强，而是拼「最能用、最普惠、最开放」。