CONFIRMÉCertitude de la date: CONFIRMÉAnnoncé comme fermeAvec quelle fermeté la source formule la date : confirmée, programmée, estimée, reportée ou non vérifiée.Voir toutes les épingles CONFIRMÉCONFIANCE 86 %Confiance globale: 86%Dans quelle mesure la source et les références du pin étayent ses dates.Moyenne pondérée de la fermeté avec laquelle 6 références, source comprise, étayent les heures de début et de fin de l’épingle ; une référence compte moitié moins pour chaque tranche de 180 jours d’ancienneté par rapport à la plus récenteAfficher toutes les épingles à 75 % de confiance ou plus
L'article d'actualité de MiniMax[1] est daté du 2025.10.27 et annonce M2 en open source, avec son API et MiniMax Agent gratuits pour une durée limitée ; VentureBeat[3] l'a couvert à 12:01 pm PT le 27 octobre, tandis que les poids Hugging Face[5] ont été mis en ligne le 25 octobre UTC et qu'Artificial Analysis[4] indique le 26 octobre.- Début
- 27 oct. 2025CONFIANCE 90 %selon la source
MiniMax-M2 est publié
Traduit automatiquement de l’original
Titre original: MiniMax-M2 Released
MiniMax publie en open source M2, un modèle à mélange d'experts de 230B paramètres dont 10B actifs, conçu pour le code et le travail agentique, au prix de $0.30 par million de jetons en entrée et classé premier parmi les modèles à poids ouverts sur l'Intelligence Index d'Artificial Analysis à son lancement.
- MiniMax a lancé et publié en open source M2 le 27 octobre 2025, un modèle qu'elle décrit comme conçu pour "Max coding & agentic workflows" ; son API et MiniMax Agent (en modes Lightning et Pro) ont été gratuits pour une durée limitée, prolongée jusqu'au 7 novembre, et les poids ont été publiés sur Hugging Face avec un support day-0 de vLLM et SGLang[1][5]
- M2 est un modèle à mélange d'experts parcimonieux de 230B de paramètres au total, dont 10B activés par token, qui d'après Artificial Analysis peut être servi sur seulement quatre GPU H100 en FP8[3][5]
- VentureBeat a rapporté qu'Artificial Analysis lui attribuait 61 à l'Intelligence Index v3.0, le plus haut score d'un modèle à poids ouverts à l'époque, derrière seulement GPT-5 (high) et Grok 4 parmi tous les modèles, et dans son article MiniMax affirme figurer parmi les cinq premiers mondiaux de cet indice[1][3]
- Les chiffres de MiniMax elle-même sont 69.4 sur SWE-bench Verified (GPT-5 thinking 74.9, Claude Sonnet 4.5 77.2), 46.3 sur Terminal-Bench, 44.0 sur BrowseComp et 77.2 sur tau2-Bench, ce qui le place près des meilleurs modèles fermés pour l'usage d'outils et la recherche approfondie et légèrement derrière en programmation[1][5]
- La tarification de l'API est de $0.30 par million de tokens d'entrée et $1.20 par million de tokens de sortie (2.1 et 8.4 yuans), soit environ 8% du prix de Claude Sonnet 4.5 à environ 100 tokens par seconde, ce que MiniMax présente comme presque le double de la vitesse de Sonnet 4.5 ; OpenRouter affiche le même prix[1][6]
Principales fonctionnalités
- Un modèle à réflexion entrelacée : le raisonnement placé dans les balises think doit être conservé dans l'historique de la conversation, et MiniMax recommande temperature 1.0, top_p 0.95 et top_k 40[5]
- Les formats d'API compatibles avec OpenAI et Anthropic en font un remplaçant direct dans les piles d'agents existantes, avec un guide publié d'appel d'outils[3]
- Axé sur le code, avec des modifications multi-fichiers, des boucles compiler-exécuter-corriger et des correctifs validés par des tests, ainsi que des flux d'agents couvrant shell, navigateur, récupération et exécuteurs de code[5]
- Un contexte de 204,800 tokens sur OpenRouter, entrée et sortie en texte uniquement ; les poids sont sous licence MIT modifiée[4][5][6]
Benchmarks
Tableau de MiniMax sur le code et les agents, tiré de la fiche du modèle ; "-" signifie non communiqué et "*" signale des chiffres issus du rapport du concurrent lui-même[5].
| Benchmark | MiniMax-M2 | Claude Sonnet 4 | Claude Sonnet 4.5 | Gemini 2.5 Pro | GPT-5 (réflexion) | GLM-4.6 | Kimi K2 0905 | DeepSeek-V3.2 |
|---|---|---|---|---|---|---|---|---|
| SWE-bench Verified | 69.4 | 72.7* | 77.2* | 63.8* | 74.9* | 68* | 69.2* | 67.8* |
| Multi-SWE-Bench | 36.2 | 35.7* | 44.3 | - | - | 30 | 33.5 | 30.6 |
| SWE-bench Multilingual | 56.5 | 56.9* | 68 | - | - | 53.8 | 55.9* | 57.9* |
| Terminal-Bench | 46.3 | 36.4* | 50* | 25.3* | 43.8* | 40.5* | 44.5* | 37.7* |
| ArtifactsBench | 66.8 | 57.3* | 61.5 | 57.7* | 73* | 59.8 | 54.2 | 55.8 |
| BrowseComp | 44 | 12.2 | 19.6 | 9.9 | 54.9* | 45.1* | 14.1 | 40.1* |
| BrowseComp-zh | 48.5 | 29.1 | 40.8 | 32.2 | 65 | 49.5 | 28.8 | 47.9* |
| GAIA (texte seul) | 75.7 | 68.3 | 71.2 | 60.2 | 76.4 | 71.9 | 60.2 | 63.5 |
| xbench-DeepSearch | 72 | 64.6 | 66 | 56 | 77.8 | 70 | 61 | 71 |
| HLE (avec outils) | 31.8 | 20.3 | 24.5 | 28.4* | 35.2* | 30.4* | 26.9* | 27.2* |
| tau2-Bench | 77.2 | 65.5* | 84.7* | 59.2 | 80.1* | 75.9* | 70.3 | 66.7 |
| FinSearchComp-global | 65.5 | 42 | 60.8 | 42.6* | 63.9* | 29.2 | 29.5* | 26.2 |
| AgentCompany | 36 | 37 | 41 | 39.3* | - | 35 | 30 | 34 |