在大模型竞争从“参数竞赛”转向“效率竞赛”的关键时刻，MiniMax于10月27日发布了全新的开源推理模型M2，以精准的工程取舍，将自己锚定在智能体——下一代AI应用的核心战场上。
M2 采用 Mixture-of-Expert（MoE）架构，总参数数为 2300 亿，但每次推理仅激活 100 亿个参数，实现了高达每秒 100 个 token 的输出速度——这一性能指标使其在实时交互场景中具有显着优势。更重要的是，M2专为智能体设计，增强了行为决策、多轮任务规划和环境交互方面的推理连续性和响应效率，为构建真正自主的AI智能体提供了基础引擎。
值得注意的是，与前身 M1 相比，M2 在上下文窗口上进行了战略调整：从 M1 支持的 100 万枚代币减少到 20.48 万枚代币。这种变化并不是技术倒退，而是 MiniMax 在长文本处理、推理速度和部署成本之间做出的务实权衡。尽管M1以“百万语境”创下了纪录，但其高资源消耗限制了实际实施;另一方面，M2 专注于频繁、高响应的代理任务，确保足够的上下文长度，同时显着提高吞吐量效率和成本效益。
M2 作为开源模型，进一步降低了开发人员构建自定义代理的门槛。无论是创建具有复杂任务链的虚拟助手、自动化工作流机器人，还是嵌入企业系统中的决策代理，开发人员都可以基于 M2 快速迭代和灵活优化。
MiniMax明确将M2定位为“特工时代的推理基础”。在AI从“问答工具”走向“代理”的浪潮中，M2的发布不仅仅是对模型的升级，更是对下一代AI应用范式的押注——当智能体需要快速思考、持续行动、高效交互时，速度和成本可能比上下文长度更关键。
