MiniMax-M2

2025-10-27 · Éditeur : MiniMax · Domaine : Intelligence Artificielle

MiniMax publie MiniMax-M2, un MoE compact de 230 milliards de paramètres dont 10 milliards actifs, conçu pour le code et les agents, sous licence MIT modifiée, à 0,30 $ / 1,20 $ le million de tokens.

MiniMax publie MiniMax-M2, un MoE compact de 230 milliards de paramètres dont 10 milliards actifs, conçu pour le code et les agents, sous licence MIT modifiée, à 0,30 $ / 1,20 $ le million de tokens. ### Contexte Les modèles précédents de MiniMax (Text-01, M1) misaient sur l'attention hybride et le contexte très long, mais restaient en retrait sur le code agentique. Fin octobre 2025, les références fermées pour les agents de code étaient Claude Sonnet 4.5 (sorti fin septembre) et GPT-5, tandis que côté ouvert GLM-4.6, Kimi K2 et DeepSeek-V3.2 se disputaient la première place. MiniMax change de cap : moins de paramètres actifs, un usage d'agent visé dès la conception. ### Ce que le modèle apporte - Un modèle nettement plus compact : 10 milliards de paramètres actifs contre 45,9 milliards pour M1, pour un coût et une latence inférieurs. - Un ciblage assumé sur les agents : planification, appels d'outils enchaînés (terminal, navigateur, interpréteur Python, outils MCP) et intégration à Claude Code, Cursor, Cline, Kilo Code ou Droid. - Une place parmi les cinq premiers du classement Artificial Analysis selon le billet de l'éditeur, qui indique un indice AA Intelligence de 61 dans la model card. - Un prix annoncé à 8 % de celui de Claude Sonnet 4.5, avec un débit d'environ 100 tokens par seconde sur l'API officielle. - Des poids ouverts sous licence MIT avec une clause d'affichage limitée aux très grands services. ### Architecture et caractéristiques - Paramètres : 230 milliards au total, 10 milliards actifs ; 62 couches, 256 experts dont 8 actifs par token (config.json). - Contexte : 196 608 positions (config.json) ; non indiqué dans le billet. - Modalités : texte. Données d'entraînement et date de coupure : non communiquées. - Licence : MIT avec une modification : si le logiciel ou un dérivé est utilisé dans un produit ou service commercial de plus de 100 millions d'utilisateurs actifs mensuels ou de plus de 30 millions de dollars de revenu annuel récurrent, la mention « MiniMax M2 » doit apparaître dans l'interface. En dessous de ces seuils, usage commercial libre. - Poids : https://huggingface.co/MiniMaxAI/MiniMax-M2, avec support de vLLM et SGLang. ### Coût et accès | Élément | Valeur | |---|---| | API officielle, entrée | 0,30 $ par million de tokens | | API officielle, sortie | 1,20 $ par million de tokens | | Accès gratuit | jusqu'au 7 novembre 2025 (API et MiniMax Agent) | | Auto-hébergement | matériel non communiqué dans les sources consultées | Tarifs du billet du 27 octobre 2025 ; la page tarifs actuelle affiche les mêmes montants pour M2, avec 0,03 $ en lecture de cache. ### Benchmarks Scores publiés par l'éditeur dans la model card ; les valeurs marquées d'un astérisque par l'éditeur proviennent de sources tierces. | Test | MiniMax-M2 | Claude Sonnet 4.5 | GPT-5 (thinking) | Gemini 2.5 Pro | |---|---|---|---|---| | SWE-bench Verified | 69,4 | 77,2 | 74,9 | 63,8 | | Terminal-Bench | 46,3 | 50 | 43,8 | 25,3 | | BrowseComp | 44 | 19,6 | 54,9 | 9,9 | | GAIA (texte) | 75,7 | 71,2 | 76,4 | 60,2 | | tau2-Bench | 77,2 | 84,7 | 80,1 | 59,2 | | AA Intelligence (indice) | 61 | 63 | 69 | 60 | Source : model card MiniMax-M2 (Hugging Face) ; l'indice AA est mesuré par l'éditeur avec la méthode d'Artificial Analysis. ### Face aux modèles fermés Au moment de sa sortie, le meilleur modèle fermé du tableau était GPT-5 (thinking), avec un indice AA de 69 contre 61 pour M2, et Claude Sonnet 4.5 venait ensuite à 63. M2 est devant Gemini 2.5 Pro sur SWE-bench Verified (69,4 contre 63,8) et sur Terminal-Bench (46,3 contre 25,3), et devant Claude Sonnet 4.5 sur BrowseComp (44 contre 19,6). Il reste en retrait sur SWE-bench Verified (77,2 pour Sonnet 4.5) et sur tau2-Bench (84,7). Côté prix, l'éditeur annonce 8 % du tarif de Claude Sonnet 4.5, sans détailler le calcul. Avec 10 milliards de paramètres actifs et une licence MIT, l'auto-hébergement d'un modèle proche des références fermées sur les agents devient plausible, ce qui pèse dans un arbitrage de souveraineté et de coût. ### À retenir M2 déplace le positionnement de MiniMax vers le code et les agents avec un modèle actif de seulement 10 milliards de paramètres et une licence quasi MIT. Il ne dépasse pas GPT-5 ni Sonnet 4.5 sur l'indice global, mais il en est proche sur plusieurs tests d'agent pour un prix très inférieur.

Tags : LLM, Open Source, MiniMax, MoE, Agents, Code, MIT modifiée