一美元的耐心：M2.5和Agent经济临界点
一美元的耐心：M2.5与Agent经济的临界点
当MiniMax的工程师们在内部系统中第一次看到M2.5连续运行一小时仅消耗一美金的账单时，他们或许没有意识到，这个数字正在重新定义AI Agent经济的底层逻辑。这不是简单的成本优化，而是将"无限运行复杂Agent"从工程愿景转化为数学现实的临界点。
图片
在塔可夫斯基的《乡愁》中，诗人戈尔恰科夫手持微弱的蜡烛穿越干涸的圣凯瑟琳水池，风一次次吹灭火焰，他一次次重新点燃。这个长达九分半钟的长镜头之所以成为影史经典，不在于动作的复杂性，而在于它展现了在极端约束条件下保持核心能力不灭的艰难与诗意**。M2.5的工程哲学与此暗合：当行业主流模型仍在以数十倍成本追求边际性能提升时，MiniMax选择了一条更为艰难的路径——在每秒100个token的推理速度下，将连续运行一小时的成本压缩至一美金。
这种压缩并非通过牺牲能力实现。在SWE-Bench Verified这一编程领域最具代表性的基准测试中，M2.5以80.2%的通过率与Claude Opus 4.6持平，而其成本仅为后者的十分之一。更具说服力的是Multi-SWE-Bench多语言编程评测，M2.5以51.3%的成绩领先所有竞品，包括在该领域长期占据优势的Claude Opus系列。这意味着模型不仅"做对"了题目，更在多语言、多环境的复杂系统中展现了架构级的理解能力。
贝拉·塔尔《都灵之马》的极简室内场景——呼应M2.5在资源受限边界内创造最大效能的工程美学
贝拉·塔尔在《都灵之马》中用六天时间讲述父女与一匹老马的故事，全片几乎仅在一间石屋内完成。这种**在资源受限边界内创造最大效能**的美学，正是M2.5架构设计的隐喻。模型不再依赖堆叠参数规模，而是通过强化学习优化任务拆解能力与token效率。在SWE-Bench Verified测试中，M2.5平均每个任务消耗3.52M token，较前代M2.1的3.72M有所下降；端到端运行时间从31.3分钟缩短至22.8分钟，效率提升37%。这种"做减法"的能力，往往比"做加法"更需要工程深度。
在Agent能力维度，M2.5展现了从"工具使用"到"环境适应"的质变。BrowseComp（76.3%）、Wide Search（70.3%）等搜索与工具调用基准的领先成绩，表明模型在真实世界信息检索中具备了专家级的决策成熟度。更关键的是，M2.5学会了以更低的搜索轮次和更优的token效率解决问题——在多项任务中较前代节省约20%的轮次消耗。这种"路径优化"能力，是Agent从"能完成任务"进化到"高效完成任务"的标志。
办公场景的能力构建则体现了MiniMax对"交付物质量"的深刻理解。与金融、法律等领域从业者深度合作构建的GDPval-MM评测框架显示，M2.5在Word、PPT、Excel金融建模等高阶场景中取得了59.0%的平均胜率。这并非简单的格式生成，而是将行业隐性知识转化为可交付产出的能力。在MiniMax内部，M2.5已承担30%的整体任务，代码生成占新提交代码的80%——这些数字比任何基准测试都更具说服力。
表格中的数字揭示了更深层的技术趋势。M2.5在Multi-SWE-Bench和BFCL multi-turn等多轮交互场景中的优势尤为显著，这表明模型在复杂任务拆解和长期上下文保持方面取得了结构性突破。而在BrowseComp等需要深度信息检索的任务中，M2.5以更低的成本实现了与顶级模型相当甚至超越的表现，这种"性价比拐点"的出现，意味着Agent经济模型正在发生根本转变。
从M2到M2.1再到M2.5，108天内三次迭代，SWE-Bench Verified分数从56%跃升至80.2%。这种进步速度超过了Anthropic、OpenAI和Google的同期表现，也超过了MiniMax自身的预期。但速度本身并非目的，关键在于每一代模型都在验证同一个假设：当Agent的运行成本趋近于零时，其应用边界将如何扩展？
一美金一小时的定价，将这个问题从理论推演推向了工程实践。在每秒50个token的低速版本下，成本甚至可降至0.3美金/小时。这意味着一万美金可以支撑四个Agent连续运行一年——这种经济性使得"无限运行复杂Agent"不再是愿景陈述，而是可执行的预算方案。
然而，技术民主化的悖论在于：当算力成本不再构成门槛，真正的壁垒将转向数据质量、场景理解和工程整合能力。M2.5在内部业务中30%的任务渗透率，以及代码生成80%的占比，暗示了Agent能力落地的真实路径——不是取代人类，而是在特定 workflow 中形成深度协作。未来的竞争焦点，将从"模型能否完成某任务"转向"模型能否以可预测的成本和质量，持续嵌入生产流程"。
当蜡烛终于抵达水池彼岸，塔可夫斯基的镜头久久停留在那一点微光上。M2.5所点燃的，或许正是Agent经济的那一点微光——它不承诺照亮整个夜空，但足以证明：在成本与能力的平衡点上，持续运行的Agent已经跨过了从"可行"到"可负担"的临界点。接下来的问题不再是"能否做到"，而是"愿意以怎样的节奏，让这一点微光蔓延成线，再汇聚成面"。
本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2026-02-14，如有侵权请联系[email protected] 删除
