MiniMax M2.5 — Mô hình LLM năng suất đỉnh cao (SOTA) với khả năng lập trình mạnh mẽ + khả năng tác nhân, ngữ cảnh 200k, tốc độ đầu ra ~60 tps.
MiniMax M2.5 là một mô hình ngôn ngữ lớn do Minimax phát triển và được cung cấp thông qua API của OrcaRouter. Mô hình này được thiết kế để xử lý đầu vào ngôn ngữ tự nhiên và tạo ra đầu ra dạng văn…
MiniMax M2.5 xuất sắc trong các tác vụ liên quan đến hiểu và tạo văn bản, đặc biệt trên các ngữ cảnh dài. Mô hình có thể tóm tắt tài liệu dài, trả lời câu hỏi dựa trên tài liệu nền rộng, viết bài luận mạch lạc và thực hiện suy luận phức tạp. Mô hình xử lý việc tuân theo chỉ dẫn và có thể được sử dụng cho viết sáng tạo, sinh mã và dịch thuật. Tuy nhiên, đầu ra của nó bị giới hạn ở 2048 token mỗi yêu cầu, vì vậy nó không phù hợp để tạo phản hồi rất dài trong một lần. Đối với đầu ra dài hơn, bạn có thể cần nối nhiều lần gọi hoặc sử dụng streaming. Điểm mạnh của mô hình là tận dụng bối cảnh lớn của nó để tạo ra đầu ra chính xác và nhận biết ngữ cảnh.
Các trường hợp sử dụng tốt nhất cho MiniMax M2.5 tận dụng cửa sổ ngữ cảnh 204800 token của nó. Ví dụ bao gồm phân tích hợp đồng pháp lý dài hàng chục trang: mô hình có thể tiếp nhận toàn bộ hợp đồng và trả lời các câu hỏi chi tiết về điều khoản. Một trường hợp sử dụng khác là xây dựng trợ lý trò chuyện có thể ghi nhớ toàn bộ lịch sử hội thoại qua nhiều phiên. Các ứng dụng giáo dục có thể cung cấp giải thích dựa trên toàn bộ chương sách giáo khoa. Các công cụ phân tích mã có thể xử lý toàn bộ kho lưu trữ để đề xuất sửa lỗi hoặc ghi lại chức năng. Đối với bất kỳ tác vụ nào yêu cầu tổng hợp khối lượng văn bản lớn, MiniMax M2.5 là một ứng cử viên mạnh mẽ.
Mặc dù có những điểm mạnh, MiniMax M2.5 có thể không phải là lựa chọn hiệu quả về chi phí nhất cho mọi tình huống. Nếu tác vụ của bạn có yêu cầu ngữ cảnh ngắn (ví dụ: vài nghìn token), một mô hình nhỏ hơn với chi phí mỗi token thấp hơn sẽ đáp ứng được. Tương tự, nếu bạn cần suy luận nhanh hơn hoặc thông lượng cao hơn, các mô hình nhỏ hơn thường có độ trễ thấp hơn. Đối với các tác vụ không cần ngữ cảnh lớn, bạn có thể đang trả quá nhiều cho dung lượng không được sử dụng. OrcaRouter cung cấp quyền truy cập vào nhiều mô hình; hãy đánh giá việc sử dụng token và yêu cầu về độ trễ của bạn trước khi cam kết. Cũng cần lưu ý rằng đầu ra tối đa là 2048 token, có thể không đủ để tạo các báo cáo dài trong một lần gọi.
MiniMax M2.5 chỉ chấp nhận văn bản làm đầu vào. Mô hình không hỗ trợ trực tiếp tải lên hình ảnh, âm thanh, video hoặc tệp tin. Nếu ứng dụng của bạn yêu cầu đầu vào đa phương thức (ví dụ: phân tích hình ảnh hoặc chuyển đổi giọng nói thành văn bản), bạn sẽ cần tiền xử lý dữ liệu đó thành văn bản hoặc sử dụng một mô hình khác. Đầu ra cũng chỉ là văn bản. Mô hình có thể tạo ra văn bản thuần túy hoặc các định dạng có cấu trúc như JSON nếu được nhắc phù hợp. Do tính chất chỉ xử lý văn bản, mô hình phù hợp nhất cho các tác vụ xử lý ngôn ngữ tự nhiên cổ điển. Không có hỗ trợ tích hợp sẵn cho việc gọi hàm hoặc sử dụng công cụ, nhưng các tính năng này có thể được triển khai thủ công thông qua kỹ thuật prompt.
τ²-Bench là một benchmark được thiết kế để đánh giá mô hình ngôn ngữ về hiệu suất hướng đến tác vụ. Nó đo lường khả năng của các mô hình trong việc tuân theo hướng dẫn và hoàn thành các tác vụ thực tế như trích xuất thông tin, tóm tắt và suy luận. MiniMax M2.5 đạt được số điểm 95.3 trên benchmark này. Điều này cho thấy mô hình hoạt động tốt trên các đánh giá hướng đến tác vụ này so với các mô hình khác được thử nghiệm trên cùng một benchmark. Tuy nhiên, τ²-Bench chỉ là một số liệu; hiệu suất có thể khác nhau trên các benchmark khác hoặc trong các ứng dụng thực tế. Người dùng nên cân nhắc trường hợp sử dụng cụ thể của họ và kiểm tra mô hình phù hợp.
Dựa trên điểm số τ²-Bench là 95.3, MiniMax M2.5 thể hiện khả năng mạnh mẽ trong các kịch bản định hướng nhiệm vụ. Cửa sổ ngữ cảnh lớn cho phép nó kết hợp thông tin nền tảng mở rộng, điều này có thể góp phần vào hiệu suất của nó trong các nhiệm vụ yêu cầu ngữ cảnh sâu. Mô hình cũng có giá cạnh tranh so với kích thước ngữ cảnh của nó, khiến nó trở thành lựa chọn kinh tế cho các ứng dụng ngữ cảnh dài. Nó xử lý đầu vào chỉ văn bản một cách hiệu quả. Người dùng đã báo cáo kết quả tốt về tóm tắt tài liệu dài và trả lời câu hỏi. Kiến trúc của mô hình được thiết kế để duy trì tính mạch lạc qua hàng nghìn token.
MiniMax M2.5 có một số hạn chế. Đầu tiên, nó chỉ hỗ trợ văn bản và không thể xử lý hình ảnh hoặc các phương thức khác. Thứ hai, đầu ra tối đa là 2048 token, hạn chế độ dài của các phản hồi riêng lẻ. Thứ ba, mặc dù điểm τ²-Bench cao, nhưng có nhiều benchmark khác (ví dụ: MMLU, HumanEval) mà chúng tôi không có điểm số công khai cho mô hình này. Hiệu suất trong viết sáng tạo hoặc sinh mã có thể khác biệt. Thứ tư, dữ liệu về độ trễ và thông lượng không được cung cấp; tốc độ thực tế phụ thuộc vào hạ tầng và tải của nhà cung cấp. Cuối cùng, mô hình có thể chưa được kiểm thử rộng rãi như một số lựa chọn thay thế, vì vậy hành vi ở các trường hợp biên kém dự đoán hơn.
Hiện không có số liệu cụ thể về độ trễ hoặc thông lượng nào được công bố công khai cho MiniMax M2.5. Nhìn chung, các mô hình có cửa sổ ngữ cảnh rất lớn có thể chậm hơn các mô hình nhỏ hơn do chi phí tính toán khi xử lý nhiều token. Thời gian phản hồi thực tế sẽ phụ thuộc vào độ dài đầu vào, số lượng token đầu ra được yêu cầu và tải hiện tại trên máy chủ của Minimax khi truy cập qua OrcaRouter. Người dùng yêu cầu độ trễ thấp nên kiểm tra với kích thước prompt điển hình của họ. Phản hồi theo luồng (streaming) có thể giúp giảm độ trễ cảm nhận. Hạ tầng của OrcaRouter có thể thêm một chút chi phí nhỏ, nhưng được thiết kế để ở mức tối thiểu.
MiniMax M2.5 được định giá ở mức $0,30 cho mỗi 1 triệu token đầu vào và $1,20 cho mỗi 1 triệu token đầu ra. Mức giá này do nhà cung cấp Minimax đặt ra và được OrcaRouter chuyển tiếp nguyên vẹn mà không có bất kỳ khoản phụ phí nào. Token được tính bởi bộ mã hóa token của nhà cung cấp; token đầu vào bao gồm prompt và bất kỳ tin nhắn hệ thống hoặc ngữ cảnh nào, trong khi token đầu ra là phản hồi được tạo ra. Không có thêm chi phí nào cho các lệnh gọi API ngoài việc tiêu thụ token. Mức giá này khiến MiniMax M2.5 trở nên tiết kiệm chi phí cho các tác vụ có ngữ cảnh dài, đặc biệt khi so sánh với một số mô hình ngữ cảnh lớn khác.
Khi đánh giá chi phí, hãy lưu ý rằng chi phí hiệu quả cho mỗi tác vụ phụ thuộc vào số lượng token đầu vào và đầu ra. Đối với các tác vụ có prompt rất dài (ví dụ: 200k token), chi phí đầu vào có thể đáng kể: $0,30 cho mỗi triệu token có nghĩa là 200k token tốn $0,06 cho mỗi lần gọi. Chi phí đầu ra cao hơn trên mỗi token, vì vậy các tác vụ tạo ra phản hồi dài sẽ chịu nhiều chi phí hơn. Nếu prompt của bạn ngắn, một mô hình rẻ hơn với chất lượng đầu ra tương tự có thể kinh tế hơn. Ngoài ra, nếu bạn có thể lưu vào bộ nhớ đệm hoặc sử dụng lại các phần của ngữ cảnh, bạn có thể giảm chi phí. Không có đề cập đến giảm giá cho khối lượng lớn hoặc xử lý theo lô; hãy kiểm tra OrcaRouter để biết giá theo khối lượng tiềm năng.
OrcaRouter tính phí MiniMax M2.5 theo giá của nhà cung cấp với mức chênh lệch bằng không. Giá bạn trả cho mỗi token chính xác là giá mà Minimax tính. Không có phí ẩn hoặc phụ phí nền tảng. Mức giá minh bạch này áp dụng cho tất cả các mô hình trên OrcaRouter. Việc sử dụng của bạn được theo dõi và tính phí dựa trên số lượng token được báo cáo bởi OrcaRouter. Bạn có thể theo dõi chi phí trong bảng điều khiển OrcaRouter. Vì không có phí chênh lệch, chi phí sử dụng MiniMax M2.5 qua OrcaRouter giống hệt như sử dụng trực tiếp từ Minimax, đồng thời nhận được các lợi ích của một API thống nhất và tích hợp đơn giản hóa.
Không có cơ chế lưu đệm cụ thể nào cho MiniMax M2.5 được đề cập trong các sự kiện đã cung cấp. Một số nhà cung cấp cung cấp tính năng lưu đệm prompt, nơi các tiền tố đầu vào lặp lại không bị tính phí lại; không rõ liệu Minimax có hỗ trợ điều này hay không. Để tối ưu chi phí, bạn có thể giảm thiểu độ dài đầu vào bằng cách cắt bỏ ngữ cảnh không cần thiết hoặc sử dụng các prompt hệ thống ngắn hơn. Đối với các ứng dụng có nhiều lệnh gọi tương tự, hãy cân nhắc gộp nhiều câu hỏi vào một prompt duy nhất để chia sẻ chi phí đầu vào. OrcaRouter không tính thêm phí cho việc lưu đệm, nhưng bạn sẽ cần triển khai lưu đệm ở cấp ứng dụng nếu muốn.
Để gọi MiniMax M2.5, hãy gửi yêu cầu POST đến endpoint tương thích OpenAI của OrcaRouter. Đặt URL cơ sở thành https://api.orcarouter.ai/v1 và bao gồm khóa API của bạn trong tiêu đề Authorization (Bearer token). Trong phần thân yêu cầu, chỉ định model là "minimax/minimax-m2.5". Bạn có thể truyền các tham số tiêu chuẩn: messages (mảng các đối tượng role/content), temperature, max_tokens (tối đa 2048), top_p, frequency_penalty, presence_penalty và stop sequences. Phản hồi sẽ là một đối tượng JSON chứa văn bản đã được tạo. OrcaRouter hỗ trợ streaming bằng cách đặt stream=true, trả về các token ngay khi chúng được tạo ra.
MiniMax M2.5 hỗ trợ các tham số điển hình của các cuộc trò chuyện hoàn chỉnh tương thích với OpenAI. Tham số messages chấp nhận các vai trò system, user và assistant. Tham số max_tokens bị giới hạn ở mức 2048, tương ứng với độ dài đầu ra tối đa của mô hình. Tham số temperature kiểm soát tính ngẫu nhiên (0.0 đến 2.0, mặc định thường là 0.7). top_p sử dụng phương pháp nucleus sampling. frequency_penalty và presence_penalty có thể điều chỉnh độ lặp lại. OrcaRouter cũng hỗ trợ tham số n cho nhiều lần hoàn chỉnh, nhưng lưu ý rằng điều này làm tăng chi phí. Bạn có thể sử dụng các chuỗi dừng (stop sequences) để ngừng sinh văn bản. Không có chức năng gọi hàm (function calling) hay sử dụng công cụ (tool use) nào được tài liệu hóa cụ thể cho mô hình này.
Nếu bạn hiện đang sử dụng mô hình OpenAI hoặc API của nhà cung cấp khác, việc chuyển đổi sang MiniMax M2.5 thông qua OrcaRouter rất đơn giản. Thay đổi base URL của bạn thành https://api.orcarouter.ai/v1 và cập nhật tên model thành "minimax/minimax-m2.5". Mã hiện tại của bạn cho chat completions sẽ hoạt động với một số điều chỉnh nhỏ. Đảm bảo API key của bạn là từ OrcaRouter chứ không phải từ OpenAI. Bạn có thể cần điều chỉnh các tham số: ví dụ, max_tokens không được vượt quá 2048. Cũng lưu ý rằng hành vi system prompt có thể khác nhau một chút giữa các model; hãy kiểm tra kỹ lưỡng. OrcaRouter cung cấp một giao diện nhất quán, giảm thiểu sự phức tạp khi chuyển đổi.
Xác thực được thực hiện qua khóa API được truyền trong header Authorization. Bạn có thể lấy khóa API từ bảng điều khiển tài khoản OrcaRouter của mình. Nếu bạn nhận được lỗi 401, hãy kiểm tra khóa của bạn có chính xác và đang hoạt động. Giới hạn tốc độ và hạn mức sử dụng được quản lý bởi OrcaRouter; hãy kiểm tra gói của bạn để biết chi tiết. Đối với các lỗi như 400 (yêu cầu không hợp lệ), hãy xác minh rằng nội dung yêu cầu của bạn tuân thủ định dạng mong đợi. OrcaRouter ghi lại các thông báo lỗi liên quan. Có thể xảy ra timeout mạng; hãy triển khai logic thử lại với backoff theo cấp số nhân. Không có chi phí cho các yêu cầu thất bại ngoài việc sử dụng token đã được xử lý, nhưng các phản hồi không hoàn chỉnh vẫn có thể phát sinh phí token đầu vào.
MiniMax M2.5 cạnh tranh với các mô hình khác có cửa sổ ngữ cảnh lớn, chẳng hạn như Gemini của Google và Claude của Anthropic, cũng hỗ trợ trên 100k token. Mức giá $0,30/$1,20 mỗi triệu token có tính cạnh tranh, thường thấp hơn một số lựa chọn thay thế. Điểm τ²-Bench 95,3 là một chỉ số mạnh về hiệu suất theo tác vụ. Tuy nhiên, nếu không có so sánh trực tiếp trên các benchmark khác, rất khó để đánh giá chất lượng tương đối. MiniMax M2.5 chỉ hỗ trợ văn bản; các mô hình như Gemini cũng hỗ trợ hình ảnh. Lựa chọn của bạn nên phụ thuộc vào nhu cầu đa phương thức, hiệu suất benchmark cụ thể và chi phí. OrcaRouter cho phép bạn kiểm tra nhiều mô hình một cách dễ dàng.
Các mô hình nhỏ hơn (ví dụ: GPT-4o-mini, Llama 3.1 8B) có cửa sổ ngữ cảnh nhỏ hơn nhiều (thường 8k-128k) và chi phí mỗi token thấp hơn. Đối với các tác vụ nằm gọn trong ngữ cảnh nhỏ hơn, các mô hình này tiết kiệm hơn và thường nhanh hơn. Lợi thế của MiniMax M2.5 là cửa sổ ngữ cảnh 204800 token, tiết kiệm chi phí khi mở rộng quy mô. Nếu prompt của bạn hiếm khi vượt quá 50k token, một mô hình rẻ hơn có thể phù hợp hơn. Ngoài ra, các mô hình nhỏ hơn có thể có độ trễ thấp hơn. Sử dụng OrcaRouter để kiểm tra trên dữ liệu cụ thể của bạn để quyết định. Điểm τ²-Bench là riêng cho M2.5; điểm của các mô hình nhỏ hơn trên benchmark đó có thể thấp hơn.
Nếu không có so sánh benchmark trực tiếp, chúng ta có thể so sánh dựa trên thông số kỹ thuật. GPT-4 và Claude đã có thành tích đã được chứng minh trên nhiều benchmark, bao gồm lập trình và suy luận. MiniMax M2.5 cung cấp ngữ cảnh lớn hơn (204800 so với 128k đối với GPT-4 Turbo) với giá mỗi token thấp hơn. Tuy nhiên, GPT-4 và Claude có giới hạn đầu ra lớn hơn (4k-8k token) và hỗ trợ đầu vào đa phương thức. MiniMax M2.5 chỉ hỗ trợ văn bản và giới hạn đầu ra ở 2048 token. Đối với các tác vụ văn bản dài chỉ có văn bản, MiniMax M2.5 có thể tiết kiệm chi phí hơn. Đối với các tác vụ yêu cầu hình ảnh hoặc sinh văn bản dài hơn, các lựa chọn thay thế tốt hơn. OrcaRouter cung cấp cho bạn quyền truy cập vào tất cả, cho phép thử nghiệm song song.
Sử dụng MiniMax M2.5 cùng với các mô hình khác có thể tối ưu hóa chi phí và hiệu suất. Ví dụ, sử dụng một mô hình nhỏ, nhanh cho các truy vấn đơn giản và chỉ sử dụng MiniMax M2.5 khi cần ngữ cảnh lớn. Hoặc sử dụng nó như một bộ đệm bộ nhớ dài hạn trong cuộc hội thoại nhiều lượt. API thống nhất của OrcaRouter đơn giản hóa việc chuyển đổi giữa các mô hình mà không cần thay đổi mã. Bạn cũng có thể xâu chuỗi các mô hình: sử dụng một mô hình nhẹ để tóm tắt ngữ cảnh, sau đó cung cấp bản tóm tắt cho MiniMax. Vì giá cả minh bạch, bạn có thể lập ngân sách phù hợp. MiniMax M2.5 là một bổ sung vững chắc cho bất kỳ bộ công cụ nào yêu cầu khả năng hiểu ngữ cảnh sâu.
Tương thích OpenAI — giữ nguyên SDK bạn đang dùng
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="minimax/minimax-m2.5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)max_completion_tokensreasoningreasoning_splitstreamtemperaturetop_p| Đầu vào / 1M tokens | $0.300 |
| Đầu ra / 1M tokens | $1.20 |
| Đọc cache / 1M | $0.030 |
| Ghi cache / 1M | $0.375 |
| Tiền tệ | USD |
Ước tính theo giá niêm yết
Chỉ là ước tính — số token thực tế phụ thuộc vào bộ tách token của nhà cung cấp.
GET /api/public/models/minimax/minimax-m2.5Mở @misc{orcarouter_minimax_m2_5,
title = {MiniMax M2.5 API},
author = {MiniMax},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/minimax/minimax-m2.5}
}MiniMax. (2026). MiniMax M2.5 API. OrcaRouter. https://www.orcarouter.ai/models/minimax/minimax-m2.5