That's NeuralCatálogo de modelos

minimax

MiniMax: MiniMax M2.5

minimax/minimax-m2.5

Nuestro análisis

Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.

MiniMax M2.5 es un modelo de lenguaje de texto a texto de MiniMax, catalogado en OpenRouter con una ventana de contexto de 200.000 tokens y razonamiento obligatorio. Según su ficha, fue entrenado con aprendizaje por refuerzo en cientos de miles de entornos reales, orientado a programación, uso agéntico de herramientas, búsqueda y productividad de oficina. El proveedor reporta resultados de vanguardia en codificación y ejecuciones agénticas más rápidas que su predecesor M2.1, mientras que el Design Arena de OpenRouter muestra posiciones intermedias. La verificación independiente de las afirmaciones del proveedor es limitada en este paquete de fuentes.[1][2]

Puntos fuertes

  • El proveedor reporta sólida capacidad de programación entrenada en más de diez lenguajes y plataformas full-stack, con un paso emergente de planificación tipo arquitecto antes de generar código.[2]
  • Se enfatiza el uso agéntico de herramientas y búsqueda: el proveedor indica menos rondas de búsqueda y mejor eficiencia de tokens que M2.1, y OpenRouter lista soporte de herramientas y salidas estructuradas.[1][2]
  • Amplio contexto de 200.000 tokens con razonamiento obligatorio; el proveedor afirma alto throughput de servicio y costo operativo muy bajo para cargas agénticas sostenidas.[1][2]

Limitaciones

  • Los resultados destacados de benchmarks (SWE-Bench, BrowseComp, una evaluación interna de trabajo de oficina) son autorreportados por el proveedor y no están verificados independientemente en este paquete.[2]
  • Entrada y salida solo de texto; no se listan modalidades multimodales en la entrada del catálogo.[1]
  • La señal medida independiente se limita a posiciones intermedias en el Design Arena de OpenRouter; no se indica fecha de corte de conocimiento y la ficha suministrada está truncada, así que valide en su propia carga de trabajo.[1][2]

Dónde utilizarlo

  • Flujos de codificación agéntica como desarrollo full-stack en múltiples lenguajes y revisión de código, dada la fortaleza reportada por el proveedor; haga un piloto en sus propios repositorios primero.[1][2]
  • Agentes de búsqueda e investigación y pipelines con llamadas a herramientas donde importan el throughput y la eficiencia de costo.[2]
  • Redacción de entregables de oficina como documentos, hojas de cálculo y presentaciones, sugerido por el entrenamiento reportado por el proveedor pero sin verificación externa.[2]

Fuentes

  1. [1] OpenRouter catalog · MiniMax: MiniMax M2.5Fuentes consultadas: 13 nov 2026
  2. [2] Model documentation · MiniMax: MiniMax M2.5Fuentes consultadas: 13 nov 2026

Sobre este modelo

La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.

MiniMax-M2.5 is a SOTA large language model designed for real-world productivity. Trained in a diverse range of complex real-world digital working environments, M2.5 builds upon the coding expertise of M2.1...

Especificaciones

ID del modelo
minimax/minimax-m2.5
ID canónico
minimax/minimax-m2.5-20260211
Creador
minimax
Añadido a OpenRouter
12.02.2026
Longitud de contexto
200,000
Modalidad
text->text
Modalidades de entrada
text
Modalidades de salida
text
Precio por token
USD por 1M de tokens: entrada $0.270 / salida $1.08
Corte de conocimiento
—
Fecha de expiración
—

Tareas y capacidades

Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.

TareaNotaCapacidad declarada por la fuente
Calidad generalSin mediciónrazonamiento: obligatorio · parámetros: include_reasoning, reasoning
ProgramaciónSin medición—
AgentesSin mediciónparámetros: structured_outputs, tool_choice, tools
EscrituraSin mediciónsalida: text
RazonamientoSin mediciónrazonamiento: obligatorio · parámetros: include_reasoning, reasoning
Análisis de documentosSin medición—
VisiónSin medición—
Generación de imágenesSin medición—
AudioSin medición—
VídeoSin medición—
EmbeddingsSin medición—

Evaluaciones

FuenteBenchmarkValorNotaDatos obtenidos
Design Arenamodels · 3dtasa de victoria 57.6% · posición 671,153EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · codecategoriestasa de victoria 56.8% · posición 641,198EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · dataviztasa de victoria 51.2% · posición 711,170EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · gamedevtasa de victoria 55.5% · posición 691,167EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · svgtasa de victoria 54.5% · posición 521,141EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · uicomponenttasa de victoria 53.4% · posición 761,163EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · websitetasa de victoria 57.5% · posición 621,215EloBB — siguiente 30% de la cohorte13.11.2026
Cómo funcionan las notas

Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.

  • S — S — 10% superior de la cohorte
  • A — A — siguiente 20% de la cohorte
  • B — B — siguiente 30% de la cohorte
  • C — C — por debajo de la franja B

Proveedores

Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.

ProveedorLongitud de contextoPrecio entrada /1MPrecio salida /1MLatencia p50 (30m, s)Rendimiento p50 (30m, tok/s)Disponibilidad (30m)
Venice198,000$0.270$0.950——83.33%
AtlasCloudfp8196,608$0.295$1.2——100%
GMICloudfp8196,608$0.300$1.2——100%
DigitalOcean65,536$0.300$1.2——100%

Datos de proveedores obtenidos: 13.11.2026

Ningún artículo publicado identifica aún este modelo.