minimax-m2:cloud im LLM-Testsuite-Report

MiniMax M2 ist ein hocheffizientes großes Sprachmodell für Programmierung und agentische Arbeitsabläufe.

Erste Schritte

ollama run minimax-m2:cloud

Höhepunkte

Überlegene Intelligenz. Laut Benchmarks von Artificial Analysis zeigt MiniMax-M2 eine sehr konkurrenzfähige allgemeine Intelligenz in Mathematik, Naturwissenschaften, Befolgen von Anweisungen, Programmierung und agentischer Werkzeugnutzung. Seine Gesamtpunktzahl belegt weltweit Platz 1 unter den Open-Source-Modellen.

Fortgeschrittene Programmierung. MiniMax-M2 wurde für durchgängige Entwicklungsabläufe konzipiert und zeichnet sich bei Änderungen über mehrere Dateien hinweg, bei Schleifen aus Programmieren, Ausführen und Korrigieren sowie bei durch Tests bestätigten Reparaturen aus. Die starke Leistung bei Terminal-Bench und Aufgaben im Stil von (Multi-)SWE-Bench zeigt seine praktische Wirksamkeit in Terminals, Entwicklungsumgebungen und CI-Systemen über mehrere Programmiersprachen hinweg.

Agentenleistung. MiniMax-M2 plant und führt komplexe, langfristige Werkzeugketten über Shell, Browser, Retrieval und Codeausführung hinweg aus. In Bewertungen im Stil von BrowseComp findet es zuverlässig schwer auffindbare Quellen, hält Belege nachvollziehbar und erholt sich kontrolliert von unzuverlässigen Einzelschritten.

Effizientes Design. Mit 10 Milliarden aktivierten Parametern bei insgesamt 230 Milliarden bietet MiniMax-M2 geringere Latenz, niedrigere Kosten und höheren Durchsatz für interaktive Agenten und stapelweise Stichproben. Damit entspricht es genau dem Trend zu gut einsetzbaren Modellen, die zugleich bei Programmier- und Agentenaufgaben überzeugen.

Benchmarks für Programmierung und Agenten

Diese umfassenden Bewertungen prüfen durchgängige Programmierung und agentische Werkzeugnutzung unter realen Bedingungen. Dazu gehören das Bearbeiten tatsächlicher Repositorys, das Ausführen von Befehlen, das Durchsuchen des Webs und das Bereitstellen funktionsfähiger Lösungen. Die Leistung in dieser Testsammlung steht in Beziehung zur täglichen Entwicklungserfahrung in Terminals, Entwicklungsumgebungen und CI-Systemen.

Benchmark MiniMax-M2 Claude Sonnet 4 Claude Sonnet 4.5 Gemini 2.5 Pro GPT-5 (Denkmodus) GLM-4.6 Kimi K2 0905 DeepSeek-V3.2 SWE-bench Verifiziert 69.4 72.7 * 77.2 * 63.8 * 74.9 * 68 * 69.2 * 67.8 * Multi-SWE-Bench 36.2 35.7 * 44.3 / / 30 33.5 30.6 SWE-bench Mehrsprachig 56.5 56.9 * 68 / / 53.8 55.9 * 57.9 * Terminal-Bench 46.3 36.4 * 50 * 25.3 * 43.8 * 40.5 * 44.5 * 37.7 * ArtifactsBench 66.8 57.3* 61.5 57.7* 73* 59.8 54.2 55.8 BrowseComp 44 12.2 19.6 9.9 54.9* 45.1* 14.1 40.1* BrowseComp-zh 48.5 29.1 40.8 32.2 65 49.5 28.8 47.9* GAIA (nur Text) 75.7 68.3 71.2 60.2 76.4 71.9 60.2 63.5 xbench-DeepSearch 72 64.6 66 56 77.8 70 61 71 HLE (mit Werkzeugen) 31.8 20.3 24.5 28.4 * 35.2 * 30.4 * 26.9 * 27.2 * τ²-Bench 77.2 65.5* 84.7* 59.2 80.1* 75.9* 70.3 66.7 FinSearchComp-global 65.5 42 60.8 42.6* 63.9* 29.2 29.5* 26.2 AgentCompany 36 37 41 39.3* / 35 30 34

Intelligenz-Benchmarks

Wir orientieren uns an Artificial Analysis (AA), das anspruchsvolle Benchmarks mit einer einheitlichen Methodik zusammenfasst, um das umfassendere Intelligenzprofil eines Modells in Mathematik, Naturwissenschaften, Befolgen von Anweisungen, Programmierung und agentischer Werkzeugnutzung abzubilden.

Kennzahl (AA) MiniMax-M2 Claude Sonnet 4 Claude Sonnet 4.5 Gemini 2.5 Pro GPT-5 (Denkmodus) GLM-4.6 Kimi K2 0905 DeepSeek-V3.2 AIME25 78 74 88 88 94 86 57 88 MMLU-Pro 82 84 88 86 87 83 82 85 GPQA-Diamond 78 78 83 84 85 78 77 80 HLE (ohne Werkzeuge) 12.5 9.6 17.3 21.1 26.5 13.3 6.3 13.8 LiveCodeBench (LCB) 83 66 71 80 85 70 61 79 SciCode 36 40 45 43 43 38 31 38 IFBench 72 55 57 49 73 43 42 54 AA-LCR 61 65 66 66 76 54 52 69 τ²-Bench-Telecom 87 65 78 54 85 71 73 34 Terminal-Bench-Hard 24 30 33 25 31 23 23 29 AA-Intelligenz 61 57 63 60 69 56 50 57