MiniMax M2.5引爆AI市场：性能与成本兼顾，推动开源生态发展

这个春节，MiniMax 凭借 M2.5 模型在 AI 行业掀起了一场风暴。

2月20日，港股马年首个交易日，MiniMax 股价暴涨14.52%，市值一度突破3042亿港元，引发了市场的广泛关注。

此次上涨并非偶然，而是 AI 行业长期需求释放的必然结果。

过去两年，AI 行业的焦点集中在供给侧，如更强大的模型、更快的芯片和更大的数据中心。然而，除了供给侧能力上限外，AI 产业的规模化落地还受到大量长期未释放需求的制约。

春节假期前后，MiniMax 发布的新一代模型 M2.5 为这些被压制的需求找到了出口。发布后 12 小时内便登顶 OpenRouter 热度榜，一周内调用量暴涨至 3.07T tokens，远超其他三家模型的总和。

M2.5 不仅带动了 100K 至 1M 长文本区间的增量调用需求，还推动了 OpenRouter 整体调用量的攀升。这一区间正是 Agent 工作流的典型消耗场景，此前因找不到能力和成本同时过关的模型而迟迟无法启动。

硅谷的默认选择：MiniMax M2.5

早在 MiniMax 推出 M2.1 模型时，就被公认为 Cursor 最强挑战者的硅谷新贵 Kilo Code 所青睐。Kilo 联合创始人兼 CEO Breitenother 表示，在开发者直接评判的真实编码工作流程中，M2.1 能够与前沿模型相媲美。

此次 M2.5 发布后随即全面开源，并在 HuggingFace 上发布模型权重，支持本地部署。Kilo 和其他国内外知名开源 Agent 应用、工具平台也在第一时间接入。

M2.5 在 SWE-Bench Verified 评测中表现出色，以 80.2% 的通过率达到了与 Claude Opus 系列相当的水平，并在多语言任务上排名第一。知名技术博主 Simon Willison 的独立测评结果显示，M2.5 排名第三，仅次于 Claude Opus 4.5 和 Gemini 3 Flash，且是开源模型中的第一名。

执行效率方面，M2.5 在合理首 token 延迟范围内能够持续达到每 GPU 每秒约 2500 个 token 的吞吐量。在开源 Agent 社区中，M2.5 的价格区间恰好符合这些产品的需求。

底层设计：Forge 系统的创新

M2.5 的提升得益于 MiniMax 从工程底层重新设计的原生 Agent 强化学习系统——Forge。该系统将 Agent 的执行逻辑与底层训练推理引擎彻底解耦，解决了传统 RL 框架中的深度状态共享问题。

Forge 通过中间件抽象层绕开了这些问题。Gateway Server 作为标准化通信网关，将 Agent 的高层行为与底层模型复杂性隔离；Data Pool 异步收集训练轨迹，使生成与训练彻底解耦。这套架构让 MiniMax 可以轻松接入数百种框架和数千种工具调用格式进行训练。

在训练效率上，Forge 引入了 Prefix Tree Merging 方案，实现了约 40 倍的训练加速。在异步调度上，提出了 Windowed FIFO 策略，兼顾了系统吞吐量和稳定性。

面向未来：推动开源生态发展

在过去 108 天里，MiniMax 陆续推出了 M2、M2.1 和 M2.5 模型。在 SWE-Bench Verified 榜单上，M2 系列进步神速，成为行业迭代最快的模型之一。

MiniMax M2.5 和一系列国产模型的出现，在性能与成本之间找到了平衡点，让原本只存在于 Demo 中的复杂多 Agent 系统具备了大规模商业落地的经济可行性。

周调用量达到 3T tokens 的背后，是开发者们用脚投出的票。这个数字不仅是 M2.5 模型的增量，更是硅谷下一代的开源生态应用的增量。