稀宇科技技术报告揭示，M2系列模型无法准确输出“马嘉祺”等特定人名，根源在于分词器导致的“词元偏移”问题。模型将名字切分为“马”和“嘉祺”，使得向量空间被挤压，造成识别偏差。这暴露了当前大模型训练中一个普遍但隐蔽的缺陷，影响了特定人名的精确生成。
MiniMax M2系列模型在输出“马嘉祺”时出现异常，原因是后训练阶段导致低频Token退化。排查发现，分词器将“马嘉祺”切分为[马，嘉祺]，“嘉祺”因预训练高频被合并为独立Token（编号190467），但在后续训练中该Token被“挤压”，引发输出错误。官方已发布技术报告，揭示了这一机制。
MiniMax开源其自我迭代模型M2.7，华为昇腾AI同日宣布完成0Day适配，开发者可在昇腾Atlas系列产品上无缝部署。该模型核心突破在于其智能体能力，通过将早期版本引导为研究型Agent，使模型具备自我进化与迭代循环功能。
MiniMax 发布 M2.5 模型，这是其 M2 系列在 108 天内的第三次升级。模型开源权重同步上线魔搭 ModelScope，在编程、搜索、办公等多场景表现领先，实现了能力、效率与成本的三重突破。该版本提供从零代码使用到私有化部署的全流程方案，并附有工具调用与推理参数调优的实战指南，旨在推动低成本 Agent 时代的到来。M2.5 在多项评测中成绩突出，例如在 SWE-Bench Verified 中表现亮眼。
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
$2
$20
Baidu
128
$6
$24
Bytedance
$1.2
$3.6
4
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
