Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

MiniMax · pașaport de model

MiniMax: MiniMax M2.5

minimax-m2-5

Ponderi deschise
Licență Modified MIT
228.7B parametri
204,800 context
Lansat 2026-02-12(repo HF creat)

General · LMArena: 1,391#162 din 396
Cea mai bună percentilă: 85.5IFBench (Artificial Analysis)
Poziția în cohortă: 51.8mediană 56.6

Ce spun datele

Evaluat pe 10 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai puternice axe

85.5 pct — IFBench (Artificial Analysis) (71.6%)

Cele mai slabe axe

13.4 pct — Factuality Arena (1,385)

Neuniform: 72,1 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 85.5 pct pe IFBench (Artificial Analysis) față de 13.4 pct pe Factuality Arena.

IFBench (Artificial Analysis)85.5 pct71.6%Verifică →
Programare62.7 pct1,446Verifică →
LiveBench62.2 pct60.1%Verifică →
Prompturi dificile61.4 pct1,418Verifică →
Urmarea instrucțiunilor60.1 pct1,381Verifică →
General59.3 pct1,391Verifică →
Terminal-Bench50 pct42.7%Verifică →
ARC-AGI-234.8 pct4.9%Verifică →
WebDev Arena34.5 pct1,386Verifică →
Factuality Arena13.4 pct1,385Verifică →
Vision ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
GPQA DiamondNeevaluat
AIME (matematică)Neevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
Humanity's Last ExamNeevaluat
SimpleBenchNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
MMLU-Pro (Artificial Analysis)Neevaluat
LiveCodeBench (Artificial Analysis)Neevaluat
Halucinații HHEM (Vectara)Neevaluat
SWE-bench VerifiedNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Rulează-l singur

RepositoryMiniMaxAI/MiniMax-M2.5

Parametri228.7B

ArhitecturăMiniMaxM2ForCausalLM

LicențăModified MIT

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "MiniMaxAI/MiniMax-M2.5"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Ollama

Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →

Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →

Folosește-l găzduit

ID de model APIminimax/minimax-m2.5

Lungime context204,800 tokeni

Ieșire maximă32,768 tokeni

Preț intrare$0.27 per 1M tokeni

Preț intrare din cache$0.03 per 1M tokeni

Preț ieșire$0.95 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyInclude reasoningLogit biasLogprobsMax tokensMin-pPresence penaltyReasoningRepetition penaltyResponse formatSeedStop sequencesStructured outputsTemperatureTool choiceTool callingTop-kTop logprobsTop-p

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"minimax/minimax-m2.5","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

minimax-m2.5 stands at 51.8 (raw mean 52.4) — measured on 10 of 27 axes.
pozițieșablonVerifică →
minimax-m2.5 stands at 51.8 versus a cohort median of 56.6 across 106 models released within 180 days — below the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →