MiniMax M2.7
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
- 综合 Index57
- 推理60
- 编程51
- 智能体与工具48
- 数学54
- 知识52
- 指令遵循74
- 人类偏好59
- 长上下文64
嵌入这个排名
更多徽章样式[](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。
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 M2.5 | 2026年2月12日 | 53.7 | #252 |
| MiniMax-M2.1 | 2025年12月23日 | 53.8 | #249 |
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 | 22.2#287 | Artificial Analysis |
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Hard Prompts | 1441#129 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 87.4%#100 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 29.6%#170 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | 86.6%#40 | Vals AI | |
| CritPt不计入 Index | 0.6%#274 | Artificial Analysis | |
| Arena Expert不计入 Index | 1453#114 | Arena (LMArena) |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| SciCode | 50.1%#123 | SciCode | |
| WeirdML | 37.0%#121 | WeirdML | |
| Arena Coding | 1480#114 | Arena (LMArena) | |
| Arena WebDev | 1398#103 | Arena (LMArena) | |
| SciCode (AA)不计入 Index | 50.1%#124 | Artificial Analysis | |
| LiveCodeBench | 79.9%#71 | Vals AI | |
| SWE-bench (Vals)不计入 Index | 73.8%#49 | Vals AI | |
| Code Migration不计入 Index | 8.7%#65 | Vals AI | |
| ProgramBench不计入 Index | 0.0%#34 | Vals AI | |
| Vibe Code Bench v1.1不计入 Index | 11.9%#104 | Vals AI | |
| ALE-Bench不计入 Index | 599.3#110 | Epoch AI Benchmarking Hub | |
| Terminal-Bench 4.0 (AA)不计入 Index | 0.0%#186 | Artificial Analysis | |
| Terminal-Bench 2.1 (AA)不计入 Index | 55.4%#109 | Artificial Analysis | |
| Design Arena Website不计入 Index | 1234#71 | Design Arena |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Terminal-Bench | 45.1%#48 | Terminal-Bench | |
| Terminal-Bench Hard | 39.4%#57 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 84.8%#98 | Artificial Analysis | |
| Terminal-Bench 2.1 (Vals) | 48.7%#62 | Vals AI | |
| GDPval-AA v2.1不计入 Index | 1015#180 | Artificial Analysis | |
| τ³-Banking (AA) | 9.9%#147 | Artificial Analysis | |
| ITBench SRE (AA)不计入 Index | 26.5%#36 | Artificial Analysis | |
| Analyst Agent (AA)不计入 Index | 11.3%#46 | Artificial Analysis | |
| APEX-Agents (AA)不计入 Index | 10.6%#29 | Artificial Analysis | |
| Finance Agent v2不计入 Index | 27.9%#75 | Vals AI | |
| Harvey's Legal Agent Benchmark v1不计入 Index | 0.0%#64 | Vals AI | |
| Legal Research Bench不计入 Index | 10.6%#81 | Vals AI | |
| Tax Agent Bench不计入 Index | 6.9%#76 | Vals AI | |
| Terminal-Bench 2.0 (Vals)不计入 Index | 47.2%#21 | Vals AI | |
| ExploitBench不计入 Index | 13.3%#9 | Epoch AI Benchmarking Hub | |
| GBAEval不计入 Index | 0.0%#22 | Epoch AI Benchmarking Hub | |
| AutomationBench不计入 Index | 4.4%#203 | Artificial Analysis | |
| GDP.pdf (AA)不计入 Index | 6.0%#187 | Artificial Analysis | |
| AA-Briefcase v1.1不计入 Index | 720#199 | Artificial Analysis |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| ProofBench | 3.0%#80 | Vals AI | |
| AIME (Vals) | 91.0%#26 | Vals AI | |
| Arena Maths | 1423#123 | Arena (LMArena) |
知识
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 75.7%#27 | Artificial Analysis | |
| Arena Instruction Following不计入 Index | 1408#134 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1415#137 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1364#160 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1426#123 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1432#125 | Arena (LMArena) |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 78.3%#127 | Artificial Analysis | |
| MLCR不计入 Index | 5.6%#151 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Intelligence Index v4.3.2不计入 Index | 22.8#205 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 272.6#196 | Artificial 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 |
|---|---|---|---|---|---|---|
| Groq | 233 tok/s | 0.38 s | $0.600 | $1.80 | 197k | – |
| GMICloud | 32 tok/s | 1.20 s | $0.210 | $0.840 | 197k | fp8 |
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 | $0.0004 | 26.2 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0043 | $0.0022 | 33.4 s |
| 代码编辑 | 6,000 / 1,500 | $0.0036 | $0.0025 | 54.9 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.023 | $0.012 | 1.9 min |
| 结构化信息提取 | 2,000 / 200 | $0.0008 | $0.0005 | 23.9 s |
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。
[](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}
}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。