10月28日訊（記者 武靜靜）上海的人工智能初創公司 MiniMax 于 2025 年 10 月 27 日發布了其最新大型語言模型 MiniMax M2。該模型基于 MIT 開源許可證，采用 2300 億參數的混合專家（Mixture-of-Experts）架構，單次推理時激活約 100 億參數。

目前MiniMax M2 目前已通過 MiniMax API 向全球開發者免費開放，試用期至 2025 年 11 月 7 日，并兼容 Hugging Face 與 vLLM 等主流框架。

據MiniMax公布的技術報告，該模型在全球權威測評榜單Artificial Analysis中總分位列全球前五、開源第一，與OpenAI、Anthropic、Google等國際巨頭同臺競技。其在推理與代碼生成任務中的表現超過了谷歌的 Gemini 2.5 Pro，API 使用成本約為 Anthropic Claude Sonnet 4.5的 8%。

MiniMax M2究竟表現如何，藍鯨科技記者進行了一手實測。

在實驗中，當記者向 M2 提供一條關于制作美術愛好者個人網站的 Agent 指令后，系統迅速理解需求并自動定義目標任務，生成了多階段的執行計劃。整個任務被拆解為近10 個步驟，包括內容生成、前端結構設計、樣式渲染、資源調用等環節。右側窗口實時顯示 Agent 的執行進程，從任務分解到頁面生成，幾乎全程自動化完成。

幾分鐘后，一個包含圖片展示與作品介紹的網頁初版便被生成。由于目前的 Agent 運行在云端沙盒環境中，模型無法直接輸出可公開訪問的鏈接。當記者于是進一步提出指令：直接給我生成一個可以打開的網站鏈接。 M2 的響應邏輯相對完整它不僅列出了幾種主流的免費部署方案，例如 Vercel（自動部署）、Netlify（拖拽部署） 和 GitHub Pages（免費托管），還進一步提供了一種無需聯網的替代方案：生成一個可離線打開的單文件版網站，供用戶直接下載與預覽。這種像人一樣靈活應變能力有點驚艷。

不過在第一次打開該文件時，發現頁面出現了亂碼。向 Agent 反饋后，M2 立即識別出問題可能與編碼或瀏覽器設置有關，自動進入問題排查流程。經過幾輪自動修復與重新生成，Agent 最終輸出了一個結構清晰、樣式統一、視覺審美在線的網頁版本。從用戶體驗角度看，這種問題響應與動態調整的能力，已接近一個輕量級網頁開發助手的水平。

以下是網頁的部分展示：

除了網頁生成，MiniMax M2 的 Agent 系統已覆蓋更廣泛的任務類型。它可以進行跨領域的多步推理、代碼生成、數據分析、文案策劃與知識檢索等復雜任務。從技術上看，MiniMax 在 M2 階段已將語言理解、工具調用與執行鏈控制能力進行深度融合，具備了端到端完成任務的雛形。

這也呼應了 2025 年以來 AI Agent 的快速進化趨勢。過去一年里，從 OpenAI 的新工具到 Anthropic 的大規模融資，再到國內外多家推出的多智能體框架，Agent 已成為行業最活躍的創新方向之一模型從回答問題邁向執行任務。OpenAI 在其 Demo Day 中推出了名為 AgentKit的 Agent 構建工具，包括可視化 Agent Builder 拖拽節點、工具連接器庫、服務數據源快速接入等組件，進一步強調其向企業級 Agent 平臺轉型的意圖。

不過，目前 Agent 的端到端執行仍存在差距。以記者此前一次具體測試為例：曾嘗試讓 Kimi 與 Manus 等 Agent 做備份一位名人的新浪博客文章的任務。盡管任務邏輯清晰，但實際執行效果有限。Kimi 的 Agent 僅找到了約 7 篇文章 并成功導出至 Word 文檔；Manus 的表現稍優，備份了 29 篇，但仍遺漏若干條目。相比之下，MiniMax M2 的 Agent 能否在執行完整度、上下文理解與任務控制上實現提升，正是其下一步驗證的關鍵。

換句話說，Agent 雖能拆解任務、調用工具、做出執行計劃，但在 全流程閉環 上仍有短板：可能是數據來源覆蓋不全、上下文理解欠缺、執行鏈中斷、后處理不夠完善。與大型語言模型僅作問答相比，Agent 承載的是執行任務的期望，而這要求更高的模型整合能力、工具生態支撐、運行監控和反饋閉環。

在此背景下評測MiniMax M2模型，不僅要關注其技術參數，更要考察其智能體在復雜任務中的實際表現、工具生態的完善程度以及商業模式的可持續性這些維度將共同決定其在激烈市場競爭中的真實價值。