MiniMaxAI오픈소스

MiniMax M2.5

이 모델 비교

MiniMax가 개발한 고성능 MoE 모델. 230B 파라미터이며, 100만 토큰 컨텍스트를 지원합니다.

공유:XHatenaLINE

파라미터

2290

컨텍스트

128K

라이선스

https://github.com/MiniMax-AI/MiniMax-M2.5/blob/main/LICENSE-MODEL

출시일

2026-02-12

일본어 처리 능력

✅High-Quality JP

Multilingual model with strong Japanese language processing capabilities.

API 가격

입력 가격 (1M 토큰당)

$0.3

출력 가격 (1M 토큰당)

$

과금 모드: standard

강점

    약점

      활용 사례

        심층 분석

        SWE-bench Verified

        80.2%

        공개 가중치 모델 중 최고. Claude Opus 4.6과 0.6점 차

        Multi-SWE-Bench

        51.3%

        전체 1위. Claude Opus 4.6의 50.3%를 상회

        BrowseComp

        76.3%

        컨텍스트 관리를 포함한 웹 검색 과제에서 공개 가중치 모델 선두

        입력 가격 (표준)

        100만 토큰당 $0.15

        Claude Opus 4.6 대비 10~20배 저렴. 출력은 $1.20

        속도 (Lightning)

        초당 100 토큰

        Claude Opus 4.6(약 60 t/s)의 거의 두 배. 표준판은 50 t/s

        아키텍처

        229B MoE / 활성 10B

        205K 컨텍스트, 수정 MIT 라이선스로 가중치 공개

        강점

        • ・코딩과 에이전트 과제에서 압도적인 가격 대비 성능을 보인다. 표준판 기준 100만 토큰당 입력 $0.15, 출력 $1.20으로 프런티어 폐쇄형 모델의 10~20분의 1 수준이며, Lightning을 초당 100 토큰으로 한 시간 연속 돌려도 약 $1이다.
        • ・추론 속도가 빠르다. Lightning 변형이 초당 100 토큰을 내며 SWE-bench Verified 평가를 M2.1보다 37% 빠르게 완료해, 실시간 에이전트 워크플로와 낮은 지연이 필요한 용도에 적합하다.
        • ・수정 MIT 라이선스로 가중치가 공개돼 자체 호스팅, 파인튜닝, 데이터 주권 확보가 가능하다. 상업적 이용 시 인터페이스에 'MiniMax M2.5' 표기가 필요하다는 조건만 지키면 된다.

        약점

        • ・AA-Omniscience 평가에서 환각률이 88%에 달해 사실 정확성이 중요한 용도에는 신뢰도가 떨어진다.
        • ・창의적 추론과 고난도 수학에서 뒤처진다. AIME 2025가 86.3%로 95% 이상을 내는 프런티어 모델에 미치지 못하며, Artificial Analysis 인텔리전스 지수도 약 42 수준이다.
        • ・텍스트 전용 모델이라 멀티모달을 지원하지 않는다. 이미지나 영상 처리가 필요한 용도에는 쓸 수 없고, MiniMax 라인업에서도 이미 M2.7로 세대가 넘어가 공식 API에서는 레거시로 분류돼 있다.

        경쟁사 비교

        ModelArenaSWEGPQAPrice
        Claude Opus 4.6약 53 (인텔리전스 지수)80.8%90.0%100만 토큰당 $5.00/$25.00
        GPT-5.2약 57 (인텔리전스 지수)80.0%90.0%100만 토큰당 약 $1.25/$10.00
        Gemini 3 Pro약 57 (인텔리전스 지수)78%91.0%100만 토큰당 $2.00/$8.00

        MiniMax M2.5는 상하이 소재 MiniMax가 2026년 2월 12일에 공개한 고성능 Mixture-of-Experts 모델이다. 총 파라미터는 229B이지만 토큰당 활성 파라미터는 약 10B에 불과해, 프런티어급 품질을 유지하면서도 추론 비용을 크게 낮췄다. 컨텍스트 길이는 205K이며 최대 출력은 약 131K 토큰이다. 벤치마크로는 SWE-bench Verified 80.2%, Multi-SWE-Bench 51.3%, BrowseComp 76.3%, BFCL 76.8%, GPQA Diamond 85.2%, AIME 2025 86.3%, MMLU-Pro 80.1%를 기록했다.

        이 모델의 진짜 뉴스는 가격이다. 표준판은 100만 토큰당 입력 $0.15, 출력 $1.20이고 Lightning 변형은 $0.30/$2.40이다. MiniMax는 이를 Claude Opus 4.6, Gemini 3 Pro, GPT-5 대비 10분의 1에서 20분의 1 수준이라고 설명했으며, Lightning을 초당 100 토큰으로 한 시간 연속 가동하는 비용이 약 $1이라고 밝혔다. 회사가 내건 표현은 "측정할 필요조차 없을 만큼 저렴한 지능"이었다. 가중치는 Hugging Face에 수정 MIT 라이선스로 공개됐고, 상업적 사용 시 인터페이스에 모델명을 표기해야 한다는 조건이 붙는다.

        학습 방식도 주목할 만하다. MiniMax는 자체 강화학습 프레임워크 Forge를 사용해 Go, C, C++, TypeScript, Rust, Kotlin, Python, Java, JavaScript, PHP, Lua, Dart, Ruby 등 10개 이상 언어와 20만 개 이상의 실제 개발 환경에서 M2.5를 훈련시켰다. 그 결과 코드를 쓰기 전에 아키텍트처럼 기능과 구조, UI 설계를 먼저 분해하고 계획하는 성향이 나타났다. 다만 한계도 분명하다. 환각률이 높고 멀티모달을 지원하지 않아 범용 모델이라기보다 코딩과 에이전트 작업에 특화된 모델로 보는 편이 정확하며, 현재는 후속 M2.7에 자리를 내주고 공식 API에서 레거시로 분류돼 있다.

        출처

        분석 생성일: 2026-08-11