MiniMax M2.5

Fiche modèle · MiniMax · minimax-m2.5

MiniMax M2.5 is the world's first production-level model designed natively for Agent scenarios. Building on the M2.1 foundation, M2.5 delivers significant improvements in programming, tool calling, search, and office productivity. With only 10B activation parameters from its 230B MoE architecture, it achieves competitive performance against top international models like Claude Opus 4.6 while maintaining high throughput and efficient inference. M2.5 supports full-stack development for PC, App, and cross-platform applications, and excels in agentic workflows including automated customer support, data-analysis pipelines, and complex task execution.

Fiches modèles

Identité

Organisation	MiniMax
Pays	—
Famille	—
Type	llm
Date de sortie	2026-02-12
Licence	mit
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	non — 230 Md > 107 Md
Modalités	image\|text
Fenêtre de contexte	196 608
KV cache / token (Q8)	127.0 ko/token
Paramètres totaux	230 B
Paramètres actifs (session)	10 B
Source des paramètres actifs	web : https://www.minimax.io/news/minimax-m25
Curation des paramètres actifs	2026-11-04
Prix par session	0.54 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	4.54 $ (est.)
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-05-07T16:53:31.903671Z
Mis à jour le	2026-11-04T06:04:55.159600Z
Source	LLM Stats
URL	https://llm-stats.com/models/minimax-m2.5

Tokens/tâche

IA Act — preuves fournisseur

ICA 8/100 · périmètre complet · seuil systémique inconnu

Critère	Note / 5	Poids
Documentation technique	2,5	5 %
Résumé des données d'entraînement	0,0	35 %
Conformité droit d'auteur	0,0	35 %
Code of Practice GPAI	1,2	20 %
Risque systémique	0,0	5 %

Curation : 2026-10-23.

IA Act

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : souverain — via GreenPT (eurouter), Tensorix (eurouter).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
GreenPT	eurouter	souverain	—	—	—	65 536	—	—	—
Tensorix	eurouter	souverain	—	—	—	65 536	—	—	—
Amazon Bedrock — Irlande	cortecs	partiel	0.35 $	1.40 $	—	196 000	—	—	—
MiniMax	llm-stats	non	0.30 $	1.20 $	—	—	3.00	100.0	active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
multimodal	0.60
reasoning	0.60
search	0.80
finance	0.60
frontend_development	0.80
general	0.60
agents	0.70
code	0.60

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
bfcl-v3-multiturn	general	0.77	1.00	0.77	non	oui	2026-11-04T06:04:55.213098Z
browsecomp	reasoning	0.76	1.00	0.76	non	oui	2026-11-04T06:04:55.203173Z
gdpval-mm	general	0.59	1.00	0.59	non	oui	2026-08-11T05:53:36.906597Z
mewc	reasoning	0.74	1.00	0.74	non	oui	2026-11-04T06:04:55.216552Z
multi-swe-bench	reasoning	0.51	1.00	0.51	non	oui	2026-11-04T06:04:55.183121Z
swe-bench-pro	reasoning	0.55	1.00	0.55	non	oui	2026-11-04T06:04:55.170568Z
swe-bench-verified	reasoning	0.80	1.00	0.80	non	oui	2026-11-04T06:04:55.163180Z
vibe-pro	code	0.54	1.00	0.54	non	oui	2026-11-04T06:04:55.193051Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	90	—	17.09	2	trueskill	2026-10-19	model_history
code	75	—	26.55	3	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04