MiniMax M2.5 Highspeed

minimaxminimax/m2.5-highspeed

MiniMax M2.5 Highspeed variant with ~100 tokens/sec output speed. Same capabilities as M2.5 at 2x cost for latency-sensitive applications.

官方发布博客 — minimax.io ↗GitHub 仓库 ↗Hugging Face 模型主页 ↗MiniMax 开放平台 — API 文档 ↗

MiniMax M2.5-Highspeed（即 Lightning 变体）是 MiniMax M2.5 的高吞吐版本，2026 年 2 月 12 日发布。它拥有与标准 M2.5 完全相同的 2300 亿参数 MoE 架构（每次激活 100 亿参数）和相同的 Forge 强化学习训练体系，但推理速度稳定在约 100 tokens/秒——大约是标准版 50 TPS 的两倍。在 TheRouter 上定价为标准 M2.5 的 2 倍（输入 $0.80/M，输出 $3.20/M），与 MiniMax 官方 M2.5-Lightning 与 M2.5 之间的定价比例完全一致。

当日志延迟是硬约束时——实时 agent 交互、面向用户的聊天机器人、或对吞吐敏感的大批量任务——这款变体是更合适的选择。100 TPS 的输出速度能显著改善用户体验。如果以成本优化或长时 agent 运维为主，标准 M2.5 变体（minimax/m2.5）以 50 TPS 和一半的价格是更好的默认选择。两个变体能力完全一致：同样的 SWE-Bench Verified 80.2%、BrowseComp 76.3%、同样的工具调用行为。唯一的区别在于吞吐和成本。

适合使用

• 对延迟敏感的 agent 编码——同样的 80.2% SWE-Bench Verified 能力，约 100 TPS 输出速度可进一步缩短端到端任务时间。在 SWE-Bench Verified 上每个任务约 15 分钟（标准版 22.8 分钟）
• 面向用户的实时聊天 agent，亚秒级首 token 延迟和高吞吐输出比成本更重要
• 高频工具调用管道——多个工具调用并行的场景，吞吐是瓶颈
• 更高的速度下保留 M2.5 的所有优势：全栈开发、多语言编程（13 种语言）、办公生产力（Word、PPT、Excel 财务建模，GDPval-MM 上 59.0% 胜率）

不适合使用

• 成本优化的长时 agent 运维——标准 M2.5 变体 $0.40/$1.60、50 TPS 仍然很快且便宜一半。连续 100 TPS 运行时 Highspeed 版本约 $2/小时，标准版约 $1/小时
• 多模态任务——纯文本模型，不支持图像输入/视觉/音频。配合视觉模型处理截图或图表
• 超长生成超过 64K token——最大输出 65,536 tokens（与标准 M2.5 相同）。如需更长文档请分块处理或使用更高输出上限的模型

上下文长度

205K

最大输出

66K

输入价格每百万 tokens

$0.648每百万 Tokens

输出价格每百万 tokens

$2.59每百万 Tokens

模态能力

文本→文本

价格明细

类型	费率
输入	$0.648 每百万 Tokens
输出	$2.59 每百万 Tokens

支持参数

temperaturemax_tokenstop_ptoolstool_choiceresponse_formatstop

模型规格

发布日期	2026 年 2 月 12 日www.minimax.io ↗	已核实
变体类型	Highspeed / Lightning — 能力与 M2.5 相同，2 倍吞吐（100 TPS）、2 倍成本www.minimax.io ↗	已核实
架构	混合专家（MoE）— 2300 亿总参数量 / 每次推理激活 100 亿www.minimax.io ↗	已核实
输出吞吐	约 100 tokens/秒（稳定）www.minimax.io ↗	已核实
许可协议	Modified MIT — 允许商用，需署名（在 UI 上展示 'MiniMax M2.5'）github.com ↗	已核实
强化学习框架	Forge — 智能体原生强化学习框架，采用 CISPO 算法www.minimax.io ↗	已核实
训练环境	20 万+ 模拟真实环境www.minimax.io ↗	已核实
训练语言	Go、C、C++、TypeScript、Rust、Kotlin、Python、Java、JavaScript、PHP、Lua、Dart、Rubywww.minimax.io ↗	已核实

基准成绩

Benchmark	Score	Source
SWE-bench Verified 与标准 M2.5 相同分数——能力一致。Droid 上 79.7%（Opus 4.6 为 78.9%），OpenCode 上 76.1%（Opus 4.6 为 75.9%）。Highspeed 变体端到端速度比 M2.1 快约 37%；标准版速度与 Opus 4.6 相当（22.8 分钟/任务），Highspeed 版按比例更快。	80.2%	www.minimax.io ↗
Multi-SWE-bench 发布时排名第一——多语言软件工程基准。与标准 M2.5 相同分数。	51.3%	www.minimax.io ↗
BrowseComp 启用上下文管理。与标准 M2.5 相同分数——所有基准测试能力一致。	76.3%	www.minimax.io ↗

API 使用示例

所有新集成都应使用下方示例中的全球端点 api.therouter.ai；旧中国加速端点已下线。

cURL

curl https://api.therouter.ai/v1/chat/completions   -H "Content-Type: application/json"   -H "Authorization: Bearer $THE_ROUTER_API_KEY"   -d '{
    "model": "minimax/m2.5-highspeed",
    "messages": [
      {"role": "user", "content": "Summarize the key points from this input."}
    ]
  }'

API 使用指南

完整 API 参考 →

Chat 调用

M2.5-Highspeed 使用与其他 TheRouter 模型相同的 OpenAI 兼容 v1/chat/completions 端点。只需将 model 字段设为 minimax/m2.5-highspeed 即可。

cURL

curl https://api.therouter.ai/v1/chat/completions \
  -H "Authorization: Bearer $THEROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"minimax/m2.5-highspeed","messages":[{"role":"user","content":"Write a React component for a file uploader with drag-and-drop support."}]}'

minimax 其他模型

minimax/m2.5标准 50 TPS 变体，价格减半——相同能力，适合成本优化的 agent 运维 minimax/m2.7新一代模型，具备交错思维链与多工具编排能力（2026 年 4 月发布）minimax/m2.7-highspeedM2.7 的高吞吐变体——约 100 TPS 层级的后继版本 minimax/m2.1上一代模型——编码和工具使用表现优秀，基准分数低于 M2.5

动态与变更

2026-02-12

MiniMax M2.5 发布，包含 Lightning（Highspeed）高吞吐变体

MiniMax 发布 M2.5，这是一款开源权重前沿模型，SWE-Bench Verified 得分 80.2%，Multi-SWE-Bench 得分 51.3%。模型提供两种吞吐层级：标准版（50 TPS）和 Lightning/Highspeed 版（100 TPS）。两种变体共享相同的架构、基准测试分数和能力——仅速度和价格不同。

TheRouter 编辑重写minimax.io/news ↗

常见问题

minimax/m2.5 和 minimax/m2.5-highspeed 有什么区别？

两种变体共享完全相同的架构、权重和能力——相同的 SWE-Bench 分数、相同的工具调用行为、相同的上下文长度。唯一的区别在于吞吐：M2.5-Highspeed 约 100 tokens/秒，价格 2 倍；标准 M2.5 约 50 tokens/秒，价格减半。当延迟优先时选 Highspeed；当成本效率优先时选标准版。

TheRouter 编辑重写

M2.5-Highspeed 是独立模型还是仅速度层级？

MiniMax 将 M2.5-Lightning 描述为同一模型的更快服务层级。两个变体使用完全相同的权重和架构——它们不是独立训练的模型。在 TheRouter 上它们以不同 slug 呈现，是因为每个变体有独立的定价和吞吐特性，但相同输入的模型输出完全一致。