Для MiniMax-M2.5 используйте Chat Completions API.
О модели
MiniMax-M2.5 — текстовая модель MiniMax для программирования, поиска, работы с инструментами и офисных задач: документов Word, презентаций PowerPoint и финансовых моделей Excel.
По данным MiniMax, проходит SWE-Bench Verified на 37 % быстрее, чем M2.1: 22,8 минуты на задачу вместо 31,3. На задачу уходит 3,52 млн токенов против 3,72 млн у M2.1, а в тестах BrowseComp, Wide Search и RISE модель делает примерно на 20 % меньше раундов.
Обучена более чем на 10 языках программирования в более чем 200 000 реальных окружений; перед написанием кода сама планирует функции и структуру проекта.
Выпускается в двух версиях, M2.5 и M2.5-Lightning, с одинаковыми возможностями и разной скоростью: 50 и 100 токенов в секунду. Принимает и возвращает текст, поддерживает вызов функций; рассуждения включены всегда.
Стоимость
Текущая стоимость использования этой модели:
Токены | Стоимость за 1 млн токенов |
|---|---|
Входные токены | 30₽ |
Выходные токены | 120₽ |
Чтение из кэша | 3₽ |
Как считается расход
-
Учитываются все токены
И входные (input), и сгенерированные моделью (output)
Характеристики
Параметр | Значение |
|---|---|
Вход | Текст |
Выход | Текст |
Рассуждения | Включены всегда |
Лицензия | Modified MIT |
Дата выхода | Февраль 2026 |
Сравнение с соседними моделями
Модель | Дата выхода | Вход | Рассуждения | Быстрая версия |
|---|---|---|---|---|
MiniMax-M2.7 | 18 марта 2026 | Текст | Включены всегда | MiniMax-M2.7-highspeed |
MiniMax-M2.5 (эта модель) | Февраль 2026 | Текст | Включены всегда | MiniMax-M2.5-highspeed (Lightning) |
MiniMax-M2.1 | 22 декабря 2025 | Текст | Включены всегда | MiniMax-M2.1-highspeed |
Бенчмарки
Бенчмарк | Результат | Условия |
|---|---|---|
SWE-Bench Verified | 80,2 % | Claude Code, внутренняя инфраструктура MiniMax, системный промпт заменён, среднее четырёх запусков |
Multi-SWE-Bench | 51,3 % | Claude Code, внутренняя инфраструктура MiniMax, системный промпт заменён, среднее четырёх запусков |
BrowseComp | 76,3 % | Агентный каркас WebExplorer; при расходе свыше 30 % контекста вся история отбрасывается |
API
Эндпоинт
POST https://api.akashilab.ru/v1/chat/completionsimport osfrom openai import OpenAIclient = OpenAI( api_key=os.environ["DSLAB_API_KEY"], base_url="https://api.akashilab.ru/v1",)response = client.chat.completions.create( model="minimax-m2.5", messages=[ {"role": "system", "content": "Отвечай кратко и по делу."}, {"role": "user", "content": "Объясни, что такое идемпотентность."}, ],)print(response.choices[0].message.content)Параметры
Параметр | Тип | По умолчанию | Описание |
|---|---|---|---|
model | string | обязательный | ID модели: minimax-m2.5. |
messages | array | обязательный | История диалога. Роли: system, user, assistant, tool. content — текст. |
max_tokens | integer | — | Максимальный ответ в токенах, включая рассуждения. |
stream | boolean | false | Потоковый ответ. |
tools | array | — | Ваши функции: type function, name, description и parameters (JSON Schema). |
thinking | object | — | Принимается, но игнорируется: рассуждения остаются включёнными. |
Важно знать
-
Рассуждения включены всегда: параметр thinking со значением disabled принимается, но игнорируется.
-
MiniMax рекомендует temperature 1,0, top_p 0,95 и top_k 40.
