MiniMax M2 开源发布：仅 Sonnet 8% 的价格、2 倍速度，Artificial Analysis 全球前五——开源模型的新标杆。
开源 vs 闭源：一个正在被改写的叙事
长期以来，AI 行业有一个默认的认知：最好的模型一定是闭源的。OpenAI 的 GPT 系列、Anthropic 的 Claude 系列、Google 的 Gemini——这些站在评测榜单顶端的名字，无一例外都是闭源模型。开源模型虽然有 Meta 的 Llama、阿里的 Qwen 等选手在努力追赶，但在综合能力上总是差那么一截。
MiniMax M2 的出现，正在改变这个局面。
在 Artificial Analysis 这个被广泛认可的第三方评测平台上，M2 的综合表现排进了全球前五。注意，这个排名不分开源闭源——M2 是以开源模型的身份，和那些动辄数十亿美元投入的闭源模型同台竞技。
8% 的价格意味着什么？
M2 的调用成本仅为 Claude Sonnet 的 8%。让我们把这个数字翻译成实际场景：
假设你运营一个客服机器人，每天处理 10 万次对话。用 Sonnet，你每月的 API 费用可能在数万美元级别；换成 M2，同样的工作量只需要几千美元。对于初创公司来说，这可能就是「用得起」和「用不起」的区别。
而且 M2 的速度还快了 2 倍。在实时对话、代码补全这些对延迟敏感的场景中，速度提升直接转化为用户体验的提升。没有人愿意等 AI 思考 5 秒钟才给出代码建议——2 秒和 5 秒的差距，在开发流程中是非常明显的。
成本降低 92%、速度翻倍、性能全球前五——这三个指标同时达到，说明 M2 在模型架构和推理优化上做了大量的工程创新，而不是简单地缩小模型规模来换取速度。
开源的战略意义
MiniMax 选择开源 M2 不仅仅是「做公益」。在当前的 AI 市场竞争格局下，开源是一种非常精明的策略。
首先，开源意味着开发者可以自己部署、微调、定制。对于那些对数据隐私有严格要求的企业（比如金融、医疗），能在自己的服务器上运行一个全球前五的模型，这个价值是无法用 API 价格来衡量的。
其次，开源能快速积累开发者生态。当成千上万的开发者在你的模型基础上构建应用，你就建立了一个巨大的护城河——即使竞争对手发布更好的模型，生态的迁移成本也会让大量开发者选择留下来。
Meta 用 Llama 走通了这条路，MiniMax 正在用 M2 复制这个策略，而且起点更高——毕竟 M2 在发布时就已经是全球前五的水平。
编辑点评
M2 的发布对行业格局有两层影响。第一层是直接的市场冲击：当一个开源模型能以 8% 的价格提供前五的性能，所有定价在中高端的闭源模型都会面临压力。第二层更深远——它可能加速 AI 基础模型的「商品化」进程。当顶级性能的模型可以免费获取时，竞争的焦点将从「谁的模型更好」转向「谁的应用场景更深」。MiniMax 显然在为后一种竞争做准备。
🔗 原文链接：MiniMax 官网
