MiniMaxAIプロプライエタリ

MiniMax M2.5

Name: MiniMax M2.5
Author: MiniMaxAI

このモデルを比較

MiniMax開発の高性能MoEモデル。230Bパラメータ、100万トークンコンテキスト対応。

シェア:X はてブ LINE

パラメータ

2290

コンテキスト長

128K

ライセンス

https://github.com/MiniMax-AI/MiniMax-M2.5/blob/main/LICENSE-MODEL

リリース日

2026-02-12

日本語性能

✅高品質日本語

多言語対応モデルのうち、日本語処理に優れた性能を持つモデル。

API料金

入力料金（1Mトークンあたり）

$0.3

出力料金（1Mトークンあたり）

課金モード: standard

強み

弱み

活用例

深度分析

SWE-Bench Verified

80.2%

オープンウェイトモデル中最高で、Claude Opus 4.6には0.6ポイント差

Multi-SWE-Bench

51.3%

Claude Opus 4.6の50.3%を上回り、首位を獲得

BrowseComp

76.3%

コンテキスト管理を備えたウェブ検索タスクでオープンウェイトモデルをリード

入力価格（標準）

$0.15/1M tokens

Claude Opus 4.6と比較して10〜20倍安い

出力価格（標準）

$1.20/1M tokens

高ボリュームのエージェントタスク向けのコストを大幅に削減

速度（Lightning）

100 tokens/sec

Claude Opus 4.6（約60 tokens/sec）などの他のフロンティアモデルのほぼ2倍

強み

・コーディングおよびエージェントタスクに対する優れたコストパフォーマンス比で、フロンティア価格で最先端のベンチマークを達成
・リアルタイムエージェントワークフローや低レイテンシー向けに、最大100 tokens/secの高速推論
・MITライセンスによるオープンウェイトで、セルフホスティング、ファインチューニング、データ主権が可能

弱み

・AA-Omniscience評価で88%の高い幻覚率により、事実信頼性が低下
・創造的推論や難解な数学ベンチマークで遅れをとる（例：AIME 2025: 86.3 vs 95.6+ for frontier models）
・マルチモーダル対応のないテキスト専用モデルで、画像や動画処理を必要とするユースケースが制限される

競合比較

Model	Arena	SWE	GPQA	Price
Claude Opus 4.6	~53 (Intelligence Index)	80.8%	90.0%	$5.00/$25.00 per 1M tokens
GPT-5.2	~57 (Intelligence Index)	80.0%	90.0%	~$1.25/$10.00 per 1M tokens
Gemini 3 Pro	~57 (Intelligence Index)	78%	91.0%	$2.00/$8.00 per 1M tokens

概要

MiniMax M2.5は、2026年2月12日にリリースされた、総パラメータ2300億、アクティブパラメータ100億の高性能Mixture-of-Expertsモデルです。コーディング、エージェントツール使用、オフィス生産性において最先端の結果を達成し、SWE-Bench Verifiedで80.2%、BrowseCompで76.3%を記録しながら、標準バリアントでは入力トークン100万あたり$0.15と大幅にコスト効率が高く、Forgeフレームワークを使用して20万以上の実世界環境で大規模強化学習によりトレーニングされました。M2.5はタスク分解と効率性に優れ、前身のM2.1と比較してエージェントタスクを37%速く完了します。フロンティア競争力のあるオープンウェイトモデルとして、M2.5は大量でコスト敏感なコーディングや自動化ワークフローを必要とする開発者や企業をターゲットにしています。MITライセンスによりセルフホスティングとカスタマイズが可能で、コストの一部で近いパフォーマンスを提供することでクローズドソースモデルに挑戦しています。ただし、高い幻覚率やマルチモーダル機能の欠如など、顕著な制限があり、汎用モデルではなくコーディングやエージェントタスクに特化しています。

ベンチマーク＆性能

MiniMax M2.5は、以下の表に示すように、コーディング、エージェント、推論タスクにおいて強力なベンチマークパフォーマンスを提供します（公式評価と独立レビューからのスコア）。特に記載がない限り、すべてのベンチマークはMiniMax公式発表に基づきます。 | ベンチマーク | MiniMax M2.5 | Claude Opus 4.6 | GPT-5.2 (thinking) | Gemini 3 Pro | 注記 | |----------------------------|--------------|-----------------|-------------------|--------------|-------| | SWE-Bench Verified | 80.2% | 80.8% | 80.0% | 78% | 最高のオープンウェイトスコア、フロンティアに近い | | Multi-SWE-Bench | 51.3% | 50.3% | 49.1% | 42.7% | 首位、多言語コーディングタスク | | BrowseComp (with context) | 76.3% | 84.0% | 65.8% | 73.2% | ウェブ検索タスクでオープンウェイトをリード | | GPQA-D | 85.2% | 90.0% | 90.0% | 91.0% | 大学院レベルの科学的推論 | | AIME25 | 86.3 | 95.6 | 98.0 | 96.0 | 数学的推論、フロンティアに遅れ | | IFBench | 70.0% | 53.0% | 75.0% | 70.0% | 指示追従 | | BFCL Multi-Turn | 76.8% | 63.3% | - | - | ツール呼び出し、Claudeを凌駕 | | Intelligence Index (Artificial Analysis) | 42 | 53 | 57 | 57 | 総合能力ランキング | 追記：M2.5-Lightningバリアントは100 tokens/secのスループットを提供し、SWE-BenchタスクをM2.1より37%速く完了します。エージェントタスクでは、前身より20%少ないラウンドを使用し、効率を向上させます。モデルの幻覚率はArtificial Analysisによると88%と高く、事実信頼性に影響を与えます。

詳細比較

**MiniMax M2.5 vs. Claude Opus 4.6:** - **価格:** M2.5は$0.15/$1.20 per 1M tokensと大幅に安く、Opus 4.6の$5.00/$25.00と比較して出力重視ワークロードで10〜20倍コスト効率が高いです。 - **コンテキストウィンドウ:** 両方とも200Kトークンを提供しますが、M2.5は説明で1Mトークンコンテキストをサポートしています（ただし、評価では実用的な制限は200Kです）。 - **強み:** M2.5はコスト効率、速度（100 tokens/sec vs. ~60）、オープンウェイトの柔軟性に優れています。Multi-SWE-BenchとBFCL Multi-Turnツール呼び出しでリードしています。Opus 4.6はBrowseComp（84.0% vs. 76.3%）と創造的推論でより高いスコアを持っています。 - **弱み:** M2.5は高い幻覚率を持ち、数学的推論で遅れをとります。Opus 4.6はより高い事実信頼性とマルチモーダルサポートを持つプロプライエタリモデルです。 **MiniMax M2.5 vs. GPT-5.2:** - **価格:** M2.5はGPT-5.2（~$1.25/$10.00 per 1M tokens）より安いです。 - **コンテキストウィンドウ:** M2.5の200KトークンはGPT-5.2の400Kトークンより小さいです。 - **強み:** M2.5は同等のSWE-Benchスコア（80.2% vs. 80.0%）と優れたツール使用（BFCL 76.8% vs. GPT-5.2では低い）を持ちます。オープンウェイトで高速です。 - **弱み:** GPT-5.2は数学（AIME 25: 98.0 vs. 86.3）とマルチモーダルタスクで優れています。M2.5の幻覚率はより高いです。 **MiniMax M2.5 vs. Gemini 3 Pro:** - **価格:** M2.5は$0.15/$1.20と安く、Gemini 3 Proの$2.00/$8.00より優れています。 - **コンテキストウィンドウ:** Gemini 3 Proは最大1Mトークンをサポートし、M2.5は200Kです。 - **強み:** M2.5はMulti-SWE-Bench（51.3% vs. 42.7%）でリードし、よりコスト効率が高いです。Gemini 3 ProはGPQA（91.0% vs. 85.2%）とより高い事実信頼性を持っています。 - **弱み:** Gemini 3 Proはマルチモーダル機能を持つプロプライエタリモデルです。M2.5はテキスト専用で幻覚率が高いです。

コミュニティ評価

MiniMax M2.5に対する開発者や研究者の反応は、コスト効率とコーディング能力を称賛していますが、信頼性や論争についての懸念も提起しています。Hacker NewsやGitHubなどのプラットフォームでは、開発者はそのSWE-Benchスコアと価格を称え、予算制約のあるチームにとってゲームチェンジャーと指摘しています。OpenHandsインデックスでは長期タスクで総合4位にランクされ、フィードバックはマルチファイル開発で「完璧なクローズドループシステムを提供する」と示しています。ただし、Artificial Analysisが報告した高い幻覚率（88%）についての懐疑主義が存在し、事実タスクでの信頼に影響を与えています。AnthropicがMiniMaxをトレーニングに合成Claudeインタラクションを使用したとして非難した蒸留論争は、倫理的ソーシュングとベンチマークの整合性についての議論を引き起こしました。コミュニティ採用は高く、M2.5はリリース後1週間以内にOpenRouterで最も使用されるモデルとなり、2.45兆トークンを処理しました。MiniMaxの内部使用では、新規コードの80%がM2.5によってAI生成され、実用的な有用性を強調しています。

ユースケース

**1. ソフトウェアエンジニアリングとコード生成:** M2.5は、GitHub PR、バグ修正、フルスタックアプリ開発の自動化に最適です。例えば、ReactアプリをNode.jsバックエンドで構築すると、80.2%のSWE-Benchスコアを活用して、約22分で完全な仕様優先プランと機能コードが得られます。コストが重要で、マルチ言語コードベース（10以上の言語をサポート）を含むタスクには、代替モデルよりM2.5を選択してください。 **2. エージェントパイプラインとツール使用:** 強力なBFCL Multi-Turn（76.8%）とBrowseCompスコアにより、M2.5は自動化リサーチ、ウェブスクレイピング、APIオーケストレーションなどのマルチステップエージェントワークフローに優れています。前身より20%少ないラウンドを使用するため、大量のパイプラインに効率的です。レイテンシーとコストが絶対的な精度より重要な場合、Claude Opus 4.6よりM2.5を使用してください。 **3. オフィス生産性と文書自動化:** 業界の専門家とトレーニングされ、M2.5はWord、Excel、PowerPointの成果物出力を生成し、GDPval-MMで59%の勝率を達成します。財務モデリングやレポート生成では、構造化SOPに従ってプロフェッショナルな結果を生成します。コスト効率が高くドメイン特化のオフィス自動化が必要な場合、GPT-5.2よりM2.5を選択してください。 **4. 科学研究とQ&A:** 84.8%のGPQA-Dスコアで、M2.5は大学院レベルの科学的クエリと文献合成を処理できます。予算制約が適用される研究アシスタントやチューターツールの構築に適しています。コストを下げるためにGemini 3 ProのようなモデルよりM2.5を選択しますが、幻覚リスクのため、重要な事実検索にはプロプライエタリモデルを使用してください。