MiniMax-M2.5: всё о новой модели со сверхдлинным контекстом
Замеры скорости и качества извлечения информации из сотен страниц технической документации.
MiniMax выпустила MiniMax-M2.5, постепенное обновление по сравнению с M2.1, что на +2 пункта выше в индексе искусственного интеллекта анализа, что подтверждается более высоким показателем GDPval-AA, но модель также имеет более высокий уровень галлюцинаций в AA-всеведение.
MiniMax-M2.5 с индексом интеллекта 42 находится на одном уровне с GLM-4.7 (Рассуждение, 42) и DeepSeek V3.2 (Рассуждение, 42) и занимает 3-5 места среди моделей с открытыми весами, уступая GLM-5 (Рассуждение, 50) и Kimi K2.5 (Рассуждение, 47). M2.5 имеет тот же размер, что и MiniMax-M2.1, с общей архитектурой MoE 229 байт/10 байт активных параметров.
Ключевые выводы
➤ Улучшенная агентская производительность: агентный индекс M2.5 подскочил до 56 по сравнению с 47 у M2.1, что обусловлено увеличением ELO GDPval-AA с 1079 до 1215. GDPval-AA сравнивает результаты модели для реалистичных задач работы с знаниями, таких как подготовка презентаций, анализ и многое другое, используя специальную терминальную среду и веб-доступ. Результаты работы затем сравниваются друг с другом и оцениваются с помощью автоматизированного конвейера для получения совпадений и оценок ELO. Это ставит модель на третье место после GLM-5 и Kimi K2.5.
➤ Повышенная частота галлюцинаций: индекс всеведения AA у M2.5 падает до -41 по сравнению с -30 у M2.1. M2.1 улучшилась за счет увеличения воздержания, снизив частоту галлюцинаций до 67%. M2.5 меняет эту тенденцию: уровень галлюцинаций снова возрастает до 88%, что более соответствует 89% в M2. Точность также немного улучшается с 22% (M2.1) до 25% (M2.5), но усиление галлюцинаций компенсирует это в Индексе всеведения АА.
➤ Никаких существенных изменений в использовании токенов: M2.5 использовал ~ 56 миллионов выходных токенов для запуска индекса интеллекта, что примерно соответствует ~ 58 миллионам M2.1. Для контекста: в GLM-4.7 использовалось ~167 млн токенов, а в DeepSeek V3.2 — ~61 млн выходных токенов, что делало M2.5 одной из наиболее эффективных моделей рассуждения с открытыми весами для своего уровня интеллекта.
Ключевые детали модели
➤ Контекстное окно: 200 тыс. токенов, это эквивалентно MiniMax-M2.1.
➤ Размер: всего 229 байт / 10 байт активных параметров.
➤ Лицензирование: модифицированная лицензия MIT (для коммерческого использования требуется указание авторства)
➤ Доступность: M2.5 доступен через собственный API MiniMax и сторонние API, такие как Fireworks, Novita и GMI Cloud.
Индекс интеллекта
Самое большое улучшение MiniMax-M2.5 связано с производительностью агентов. GDPval-AA ELO повышается до 1215 с 1079 у M2.1, что делает ее моделью открытых весов №3 по GDPval-AA после GLM-5 и Kimi K2.5.
ВВПвал
MiniMax-M2.5 использовал ~56 миллионов токенов вывода для запуска индекса интеллекта, что примерно соответствует ~58 миллионам M2.1.
Выходные токены
Индекс всеведения AA MiniMax-M2.5 снижается до -41 по сравнению с -30 у M2.1. Точность повышается незначительно (от 22% до 25%), но усиление галлюцинаций сводит на нет этот выигрыш.
Всезнание
Ознакомьтесь с дополнительным анализом этой модели на X: Ознакомьтесь с полным набором тестов на
