MiniMax-M2
性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,便宜 78%。
有 28 个更便宜的已排名模型得分更高:GPT-5.6 Luna (58.2, $0.450)、Inkling 2 Small (57.9, $0.475)、GLM 5.3 Flash (57.8, $0.238),另有 25 个。
截至 2026年11月16日,MiniMax-M2(MiniMax)在 BenchLeader Index 上得分 51.5(共 608 个已排名配置)。表现最好的是指令遵循(71),最弱的是推理(41)。API 价格为输入每百万 token $0.300、输出每百万 token $1.20(按 3:1 混合为 $0.525),为 2026年11月16日的标价。输出速度约为 100 token/秒(Artificial Analysis)。发布于 2025年10月27日。
要点(截至 2026年11月16日)
- MiniMax-M2 的 API 价格为输入每百万 token $0.300、输出每百万 token $1.20(按 3:1 混合为 $0.525)(标价,2026年11月16日)。
- MiniMax-M2 的输出速度约为 100 token/秒(Artificial Analysis,2026年11月16日)。
- MiniMax-M2 于 2025年10月27日发布(MiniMax)。
详细说明:MiniMax-M2 是 MiniMax 的开放权重推理模型,发布于 2025年10月27日。其最佳配置在 BenchLeader Index 上得分 51.5 ±5.9,在 608 个配置中排第 309 名,处于下半区。关键在于这个“±”:另有 317 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,指令遵循得分最高(71),推理最低(41)。按混合价格计,每百万 token $0.525,比大多数已排名模型便宜。输出速度为 100 token/秒,首次回答需 8.6 秒,比大多数模型快。最近一次测量:2026年11月11日。
- 混合价格
- $0.525/M
- 输入 $0.300 · 输出 $1.20
- 来源:Artificial Analysis
- 输出速度
- 100 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 8.61 s
- 上下文
- 205k
- 来源:models.dev
- 完整回答
- 40 s
- 最近一次测量 2026年11月13日
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2025年10月27日
- 综合 Index52
- 推理41
- 编程45
- 智能体与工具47
- 数学52
- 指令遵循71
- 人类偏好50
- 长上下文57
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/minimax-m2)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
Index 走势
2026年9月8日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
元数据
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Openness Index不计入 Index | 27.8#260 | Artificial Analysis |
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| SimpleBench | 25.0%#97 | SimpleBench | |
| Arena Hard Prompts | 1367#208 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 77.7%#220 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 13.7%#287 | Artificial Analysis | |
| Kagi LLM Benchmark | 57.8%#57 | Kagi LLM Benchmark | |
| CritPt不计入 Index | 0.9%#256 | Artificial Analysis | |
| Arena Expert不计入 Index | 1354#211 | Arena (LMArena) |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Coding | 1383#220 | Arena (LMArena) | |
| Arena WebDev | 1299#131 | Arena (LMArena) | |
| SWE-bench Verified (bash only) | 61.0%#23 | SWE-bench | |
| SWE-bench Verified (any scaffold)不计入 Index | 61.0%#28 | SWE-bench | |
| LiveCodeBench (AA)不计入 Index | 82.7%#21 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Terminal-Bench | 30.0%#73 | Terminal-Bench | |
| Terminal-Bench Hard | 25.8%#138 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 86.8%#84 | Artificial Analysis | |
| Vending-Bench 2不计入 Index | 160.6#65 | Andon Labs |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Maths | 1354#201 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 78.3%#69 | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Global-MMLU-Lite (AA)不计入 Index | 80.9%#66 | Artificial Analysis |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 72.3%#49 | Artificial Analysis | |
| Arena Instruction Following不计入 Index | 1333#211 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1344#215 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1284#243 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1358#195 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1339#224 | Arena (LMArena) |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 64.3%#276 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Intelligence Index v4.3.2不计入 Index | 18.6#258 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 248.3#268 | Artificial Analysis |
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0005 | – | 11.6 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0043 | – | 14.6 s |
| 代码编辑 | 6,000 / 1,500 | $0.0036 | – | 23.6 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.023 | – | 48.7 s |
| 结构化信息提取 | 2,000 / 200 | $0.0008 | – | 10.6 s |
另请参阅
嵌入或引用
在模型卡片或 README 中展示 MiniMax-M2 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/minimax-m2)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). MiniMax-M2 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/minimax-m2
BibTeX:
@misc{benchleader_minimax_m2_20261116,
author = {{BenchLeader}},
title = {{MiniMax-M2 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/minimax-m2}},
note = {Data as of 2026-11-16}
}常见问题
- MiniMax-M2 的基准测试得分是多少?
- 截至 2026年11月16日,MiniMax-M2 的 BenchLeader Index 为 51.5 ±5.9。最强的是指令遵循(71),最弱的是推理(41)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- MiniMax-M2 排名第几?
- 截至 2026年11月16日,MiniMax-M2 在 608 个已排名配置中排第 309 名。另有 317 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- MiniMax-M2 每百万 token 的价格是多少?
- 截至 2026年11月16日,MiniMax-M2 的价格为输入每百万 token $0.300、输出每百万 token $1.20,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.525。
- MiniMax-M2 是什么时候发布的?
- MiniMax 于 2025年10月27日发布了 MiniMax-M2。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《MiniMax-M2:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/minimax-m2。