深度解析 MiniMax M2.5：1 美元/小时的 AI Agent 如何改变开发成本与场景

MiniMax 的最新模型 M2.5 正式亮相，其宣传亮点直指性能比肩 Claude Opus 4.6，但价格仅为后者的二十分之一。然而，比起“国产模型赶超硅谷”的叙事，我们更应该思考的是：当 AI 的使用成本降至一个“无需犹豫”的临界点，整个行业会发生哪些根本性的变化？

先说数字：价格到底有多低？

根据官方数据，M2.5 标准版的使用成本大约为每小时 0.3 美元，其“闪电版”约为每小时 1 美元。这一定价与 Claude Opus 4.6（输入 5 美元/百万 token，输出 25 美元/百万 token）相比，便宜了 10 到 20 倍。一个更直观的例子来自 ThursdAI 播客的实测：完成同一个编码任务，M2.5 花费了约 0.15 美元，而 Opus 4.6 则需要大约 3 美元。

实现如此低成本的背后，是 MoE（混合专家）架构在发挥作用。M2.5 总参数高达 2300 亿，但每次推理时仅激活其中的 100 亿参数。这种“按需启用专家”的模式，就像是雇佣了一个庞大的精英团队，但每次只让最相关的少数几位专家工作，账单自然就降下来了。

Benchmark 的真相：分数背后的故事

不少媒体用“硬刚 Opus 4.6”来形容 M2.5，依据是在 SWE-Bench Verified 基准测试中，M2.5 获得了 80.2% 的得分，仅比 Opus 4.6 的 80.8% 低 0.6 个百分点。

但这个数字需要加一个重要的注脚。SWE-Bench Verified 允许厂商使用自己定制的 Agent 框架来运行测试，不同的框架策略（如提示词工程、工具调用逻辑）可能带来超过 10% 的分数差异。在采用统一标准测试环境的 SWE-rebench 上，M2.5 的得分是 39.6%，排在 Kimi K2 Thinking、GLM-5 和 Qwen3-Coder-Next 之后。

这并非“造假”，而是当前行业的普遍现象——几乎所有厂商都在利用定制框架来优化自己的基准分数。因此，M2.5 的真实编码能力很可能介于 39.6% 和 80.2% 之间，并且高度依赖于配套的 Agent 框架。

不过，另一个测试结果值得注意：在评估多轮工具调用能力的 BFCL 基准中，M2.5 拿到了 76.8% 的分数，大幅领先于 Opus 4.6 的 63.3%。这表明，在“调用工具、完成任务”这个对 AI Agent 至关重要的维度上，M2.5 确实展现出了独到的优势。

便宜到“不用想”，然后呢？

过去两年，AI 领域的竞争焦点是“谁更聪明”。而 M2.5 似乎正在引导风向转向另一个维度：当一个模型足够聪明且足够便宜时，哪些之前被成本束缚的场景会被真正解锁？

答案就是那些曾经“算过账觉得不划算”的场景。例如，独立开发者可以放心地让 AI 协助维护开源项目，小公司可以为每一位客服人员配备一个不知疲倦的 AI 助手——以往因成本过高而难以落地，现在价格直接下降了一个数量级。

Hacker News 上的一条高赞评论说得很到位：“单 token 成本已经不那么重要了，完成单个任务的总成本才是关键。” M2.5 不仅 token 便宜，还因其在工具调用中减少了约 20% 的轮次，从而能用更少的 token 完成相同的任务。

这不禁让人联想到云计算的早期发展阶段。当 AWS 等云服务商将计算和存储的价格降至某个临界点后，大量前所未有的应用形态如雨后春笋般涌现。M2.5 当前在 AI 领域，或许正在制造一个类似的临界点。

108 天的三级跳：快速迭代的背后

在短短 108 天内，MiniMax 完成了从 M2 到 M2.5 的迭代，其在 SWE-Bench 上的分数也从 69.4% 跃升至 80.2%。这背后是名为 “Forge” 的强化学习框架的驱动。与传统的静态数据集训练不同，Forge 在超过 20 万个真实环境（如实际写代码、调用 API、操作浏览器）中对模型进行训练。

Forge 可以接入任何 Agent 框架进行训练，这使得模型学习到的是通用的任务完成能力，而非特定于某个框架的技巧。更有趣的是，MiniMax 甚至将“任务完成时间”也写入了奖励函数——模型不仅要做得对，还要做得快。其结果是，M2.5 似乎学会了“先规划，再动手”的架构师式思维。

春节档的 AI Agent 军备竞赛

M2.5 的发布并非孤立事件。这个春节前后，智谱 AI 的 GLM-5、阿里的 Qwen3-Coder-Next 与 MiniMax 的 M2.5 相继亮剑，不约而同地将竞争焦点对准了 Agent 编码能力。行业的共识正从单纯的“比拼参数规模”转向更务实的“比拼实际营收与场景占领”。

MiniMax 的策略似乎非常明确：通过极具侵略性的低定价和开源策略，抢占未来 AI Agent 生态的入口。据报道，M2.5 API 发布不到 24 小时，全球开发者就已基于其构建了上万个专家应用。

冷静看待：光环下的现实

尽管 M2.5 无疑是一个重要的里程碑，但我们仍需保持清醒。其 100 亿激活参数的设计虽然在编码和工具调用上表现出色，但在需要深度、复杂推理的任务上，其天花板可能仍低于那些密集型的大模型（如 GPT-4、Claude Opus）。它在通用对话、深度创意写作等更广泛领域的能力，仍有待进一步观察。

同时，“开源”二字也需要打上引号。虽然模型权重可获取，但部署一个 2300 亿参数的 MoE 模型门槛不低，本地运行至少需要 128GB 内存及相当的显存支持。此外，极低的定价配合免费试用期的策略，也让人不禁思考其港股上市后所面临的真实盈利压力。

但有一点是确定的：当 1 美元就能雇佣一个“AI 全栈工程师”为你工作一小时，“要不要用 AI”这个问题，正在迅速转变为“不用 AI，你还在等什么？” 这场由成本驱动的变革，或许比我们想象中来得更快，也将在开发者广场引发更多关于未来工作流的讨论与探索。

关于 AI 成本与 Agent 应用的更多深度讨论，欢迎在云栈社区交流分享。