MiniMax-M2.5
KI-Modellportrait · Quellenstand 2026-10-20
MiniMax-Logo (Unternehmenslogo; ein separates Modelllogo liegt nicht vor) · Logo-Quelle / Rechtehinweis. Marken gehören ihren jeweiligen Inhabern. Redaktionelle Identifikation, keine Partnerschaft oder Empfehlung durch den Markeninhaber.
RL-trainiertes Agenten-Modell mit Hersteller-Spitzenwert von 80,2 Prozent auf SWE-bench Verified.
Quellen geprüft am 20. Oktober 2026 · Redaktion: Philipp Paulik
Technische Einordnung
M2.5 wurde laut MiniMax mit Reinforcement Learning in über 200.000 realen Umgebungen trainiert. Die Karte meldet SWE-bench Verified 80,2 Prozent, Multi-SWE-Bench 51,3 Prozent und BrowseComp 76,3 Prozent (mit Kontextmanagement), bei 37 Prozent kürzerer Laufzeit als M2.1.
Zugang & Nutzung
Gewichte auf Hugging Face und ModelScope; MiniMax Agent, API und Coding Plan; Inferenz über SGLang, vLLM oder Transformers laut Modellkarte.
Modified-MIT laut Modellkarte; die konkreten Änderungen gegenüber MIT im Lizenztext prüfen.
Grenzen & richtig lesen
Alle Werte sind Herstellerangaben, die SWE-bench-Auswertungen liefen überwiegend mit Claude-Code-Scaffolding und überschriebenem Systemprompt. Preisangaben stammen von der Modellkarte und können sich ändern.
Benchmark-Belege
Herstellerbericht, keine eigene Messung. Die Zahlen sind keine direkt vergleichbare Modellrangliste. Messdatum und vollständige Testkonfiguration sind in den referenzierten Tabellenzeilen nicht ausgewiesen.
| Test / Modell | Wert | Kontext |
|---|---|---|
| SWE-bench VerifiedVerified | 80,20% laut Herstellertabelle | Scaffolding laut Modellkarte überwiegend Claude Code mit überschriebenem Systemprompt; die Karte berichtet zusätzlich Droid- und OpenCode-Läufe. Herstellerangabe, nicht unabhängig geprüft.Quelle: MiniMax · Abruf 20.10.2026 |
Vollständiges Webportrait: https://kifachblatt.de/ki-modelle/minimax-m2-5
Statischer Export, kein Live-Datenblatt. Preise, Zugriff und Anbieterangaben können sich ändern. Quellen und ihre jeweiligen Abrufstände stehen oben. Impressum · Transparenz