BenchLeader

MiniMax M2.7

质量第 85 / 339 名
56.6Index
前四分之一
较中位数 +6.4
价格第 89 / 255 名
$0.525每百万 token
比多数便宜
中位数的 0.6 倍
速度第 182 / 216 名
42token/秒
后四分之一
中位数的 0.5 倍
性价比第 82 / 255 名
107.8分/$
高于中位数
中位数的 1.9 倍

性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有四分之一。

有 6 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 3 个。

截至 2026年11月16日,MiniMax M2.7(MiniMax)在 BenchLeader Index 上得分 56.6(共 608 个已排名配置)。表现最好的是指令遵循(74),最弱的是智能体与工具(48)。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 42 token/秒(Artificial Analysis)。发布于 2026年3月18日。

要点(截至 2026年11月16日)

  • MiniMax M2.7 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 M2.7 的输出速度约为 42 token/秒(Artificial Analysis,2026年11月16日)。
  • MiniMax M2.7 于 2026年3月18日发布(MiniMax)。

详细说明:MiniMax M2.7 是 MiniMax 的开放权重推理模型,发布于 2026年3月18日。其最佳配置在 BenchLeader Index 上得分 56.6 ±4.8,在 608 个配置中排第 175 名,处于上半区。关键在于这个“±”:另有 273 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(74),智能体与工具最低(48)。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 42 token/秒,首次回答需 19.1 秒,位于最慢的四分之一。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
42 tok/s
由 Artificial Analysis 测量
首次回答
19 s
首 token 1.17 s
上下文
205k
来源:models.dev
完整回答
86 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
2026年3月18日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index57
  2. 推理60
  3. 编程51
  4. 智能体与工具48
  5. 数学54
  6. 知识52
  7. 指令遵循74
  8. 人类偏好59
  9. 长上下文64

嵌入这个排名

更多徽章样式
[![MiniMax M2.7 on BenchLeader: 综合第 84 名](https://www.benchleader.com/badge/minimax-m2-7.svg?style=compact)](https://www.benchleader.com/models/minimax-m2-7)

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。

MiniMax 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

版本

MiniMax 以这个名称发布过 3 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。

模型发布日期Index排名
MiniMax M2.7本页2026年3月18日56.6#175
MiniMax M2.52026年2月12日53.7#252
MiniMax-M2.12025年12月23日53.8#249

Index 走势

2026年9月8日 至 2026年11月16日
455362

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 Index22.2#287Artificial Analysis

推理

基准测试默认来源趋势
Arena Hard Prompts1441#129Arena (LMArena)
GPQA Diamond (AA)不计入 Index87.4%#100Artificial Analysis
Humanity's Last Exam (AA)不计入 Index29.6%#170Artificial Analysis
GPQA Diamond (Vals)不计入 Index86.6%#40Vals AI
CritPt不计入 Index0.6%#274Artificial Analysis
Arena Expert不计入 Index1453#114Arena (LMArena)

编程

基准测试默认来源趋势
SciCode50.1%#123SciCode
WeirdML37.0%#121WeirdML
Arena Coding1480#114Arena (LMArena)
Arena WebDev1398#103Arena (LMArena)
SciCode (AA)不计入 Index50.1%#124Artificial Analysis
LiveCodeBench79.9%#71Vals AI
SWE-bench (Vals)不计入 Index73.8%#49Vals AI
Code Migration不计入 Index8.7%#65Vals AI
ProgramBench不计入 Index0.0%#34Vals AI
Vibe Code Bench v1.1不计入 Index11.9%#104Vals AI
ALE-Bench不计入 Index599.3#110Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)不计入 Index0.0%#186Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index55.4%#109Artificial Analysis
Design Arena Website不计入 Index1234#71Design Arena

智能体与工具

数学

基准测试默认来源趋势
ProofBench3.0%#80Vals AI
AIME (Vals)91.0%#26Vals AI
Arena Maths1423#123Arena (LMArena)

知识

基准测试默认来源趋势
MMLU-Pro80.4%#86Vals AI
LegalBench84.0%#44Vals AI
CorpFin61.2%#56Vals AI
TaxEval66.6%#108Vals AI
CaseLaw v2不计入 Index60.9%#23Vals AI
Excel Modeling Benchmark不计入 Index28.4%#67Vals AI
MedCode不计入 Index34.4%#77Vals AI
MedScribe不计入 Index79.9%#58Vals AI

指令遵循

基准测试默认来源趋势
IFBench75.7%#27Artificial Analysis
Arena Instruction Following不计入 Index1408#134Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1415#137Arena (LMArena)
Arena Creative Writing不计入 Index1364#160Arena (LMArena)
Arena Multi-turn不计入 Index1426#123Arena (LMArena)
Arena Longer Queries不计入 Index1432#125Arena (LMArena)

长上下文

基准测试默认来源趋势
AA-LCR v1.178.3%#127Artificial Analysis
MLCR不计入 Index5.6%#151Artificial Analysis

综合

基准测试默认来源趋势
AA Intelligence Index v4.3.2不计入 Index22.8#205Artificial Analysis
AA Progress Index v1不计入 Index272.6#196Artificial Analysis

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
Groq233 tok/s0.38 s$0.600$1.80197k–
GMICloud32 tok/s1.20 s$0.210$0.840197kfp8

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,价格为每百万 token $0.060。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$0.000426.2 s
总结一份 30 页的报告12,000 / 600$0.0043$0.002233.4 s
代码编辑6,000 / 1,500$0.0036$0.002554.9 s
智能体编程会话60,000 / 4,000$0.023$0.0121.9 min
结构化信息提取2,000 / 200$0.0008$0.000523.9 s

MiniMax 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 MiniMax M2.7 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。

[![MiniMax M2.7 on BenchLeader: 综合第 84 名](https://www.benchleader.com/badge/minimax-m2-7.svg)](https://www.benchleader.com/models/minimax-m2-7)

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 M2.7 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/minimax-m2-7

BibTeX:

@misc{benchleader_minimax_m2_7_20261116,
  author       = {{BenchLeader}},
  title        = {{MiniMax M2.7 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/minimax-m2-7}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

MiniMax M2.7 的基准测试得分是多少?
截至 2026年11月16日,MiniMax M2.7 的 BenchLeader Index 为 56.6 ±4.8。最强的是指令遵循(74),最弱的是智能体与工具(48)。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 M2.7 排名第几?
截至 2026年11月16日,MiniMax M2.7 在 608 个已排名配置中排第 175 名。另有 273 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 M2.7 每百万 token 的价格是多少?
截至 2026年11月16日,MiniMax M2.7 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 M2.7 是什么时候发布的?
MiniMax 于 2026年3月18日发布了 MiniMax M2.7。

数据截至 2026年11月16日。 与其他模型对比

引用格式:BenchLeader,《MiniMax M2.7: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-m2-7。