文章总结： 文章对MiniMaxM2.5模型进行了多维度实测，涵盖逻辑陷阱、复杂任务、数据分析及编程能力。结果显示该模型在逻辑题上表现不佳，但在需求调研与数据可视化方面表现优秀。编程测试中，其游戏生成效果略逊于Opus4.6，但全栈与算法项目表现亮眼。总体评价认为M2.5相较前代提升显著，虽与国际顶尖模型仍有差距，但进步迅速，文中还提供了相关工具配置与购买建议。 综合评分： 70 文章分类： 产品介绍,实战经验,AI安全

实测 MiniMax M2.5：它真的有那么强吗？

原创

天欣 天欣

天欣AI

2026年2月16日 22:43 河北

说实话，AI 的发展速度，已经快到连我这个常年泡在 AI 圈子的程序员+公众号博主，都开始有点跟不上节奏了。

其是临近过年这段时间，全球的 AI 大厂都在卷，各种 AI 产品和大模型几乎呈现出井喷式爆发。

这不，距离上一代的 MiniMax M2.1 模型发布还不到两个月，官方又发布了旗下最新的模型 MiniMax M2.5 。

官方的体验地址：https://chatglm.cn/main/alltoolsdetail?lang=zh

几乎在同一天发布的，还有 GLM 5 模型，而它距离上一代的 GLM 4.7 模型发布时间，间隔同样还不到两个月。

官方的体验地址：https://agent.minimaxi.com/

最近 AI 圈里有个挺火的“洗车店”问题，具体问题是这样的：”我离洗车店只有 50 米，我是该开车去，还是走路去？”

很多 AI 一看到”只有 50 米”这个条件，就直接给出“走路去”的答案，但却忽略了去洗车店的目的是洗车。甚至连国民级 AI 应用豆包，在这个问题上也翻了车。

我们再来看看 MiniMax M2.5 模型这边的情况，我没想到它竟然也和豆包一样，掉进了这个问题的陷阱当中。

这类脑筋急转弯的小问题权当给大家添个乐子，我们本篇文章的核心重点，还是测试 MiniMax M2.5 的复杂任务处理和编程能力究竟如何吧。

我们可以先在官方首页体验一下 MiniMax M2.5 的任务处理能力。

官方地址：https://agent.minimaxi.com/

我最近在开发一款 “拼豆” 的辅助工具，所以我让 MiniMax M2.5 给我调研一下用户的痛点，给我一些功能上的建议。

最后从用户真实需求的角度，给我写了一个非常详细并且实用性很强的痛点报告和软件功能建议。

接下来，我们来测试一个打工人最常见的场景：分析 Excel 表格，看看 MiniMax M2.5 的表现到底怎么样。

这是一张虚拟数据的销售数据的表单，大概有七百多行。

我让 MiniMax M2.5 给我分析这个 excel 文件，然后生成一个可视化的数据展示页面，最后的效果如下， MiniMax M2.5 使用了专业的柱线组合图展示了 excel 表中的数据。

接下来进入重头戏，我们来测试一下 MiniMax M2.5 的编程能力。

这里多说一句，小天本来打算对比测评 GLM 5 和 MiniMax M2.5 的编程能力的，但是最近 GLM 5 编程套餐的购买人数实在太多了，导致官方直接限购了，小天也是好几次都没有抢到了。

官方优惠购买链接：https://www.bigmodel.cn/glm-coding?ic=LKCFRGKH9N

而 MiniMax M2.5 这边倒没有出现这种套餐售空的情况，反而可选择的种类非常多，除了常规的 MiniMax M2.5 模型的编程套餐之外，你还可以选择速度更快的 MiniMax-M2.5-highspeed 模型。

优惠购买链接：https://platform.minimaxi.com/subscribe/coding-plan?code=aup5kDN5Z6&source=link

所以篇文章就只能带着大家好好盘一盘这个 MiniMax M2.5 模型的编程能力了。小天在这里和大家承诺，本文的测评绝对客观，不会存在任何鼓吹的成分。

官方给出的比分排名中 MiniMax M2.5 的编程能力和 Opus4.5 表现相当。

小天这里建议大家将 MiniMax M2.5 接入到 Claude Code 中使用。

大家如果不会配置环境的话，可以使用小天 AI 编程群里的 Claude Code 启动器。

如果第一次使用，大家需要配置一下对应模型的 API key，这些 API key 只会保存到本地，还是很安全的。

如果没有进群的小伙伴，可以私信回复【加群】哦～

当我们配置了对应模型的 API Key 之后就可以按照你选择的模型一键启动 Claude Code 了！最后的效果如下所示：

我们测试第一个编程例子——编写一个童年经典游戏：愤怒的小鸟。我让 ChatGpt 写了一段提示词，如下：

将这段提示词喂给 MiniMax M2.5 之后，它生成的速度非常快，但是首次生成的效果有些不尽人意，无法正常显示小鸟和小猪，也没有办法正确玩耍。

所以我又让 MiniMax M2.5 修改了几次，最后生成的效果如下：

我们再来对比一下其他模型的效果，下面是 Opus4.6 的经过几次调整之后生成效果。

从物理引擎表现和整体游戏机制来看，Opus 4.6 的生成效果确实比 MiniMax M2.5 要好上一些，但整体差距并没有我原本想象得那么大。

总是纯前端的测试有些太片面了，下面一个例子我们测试一下 MiniMax M2.5 的前后端这种全栈项目的编写能力，具体的项目要求如下：

最后生成的效果如下：

最后一个例子，我们来测试一下 MiniMax M2.5 的算法编写能力。

最近的拼豆非常火，所以我打算使用 MiniMax M2.5 复刻一个将图片转化为拼豆图纸的小 demo。效果出乎意料的好：

别看只是一个像素图纸转化的功能，里面涉及到的算法可不少，我让模型给我总结了它所使用的算法，如下所示：

总的来说，MiniMax M2.5 这次模型的能力相比较上一代提升非常大，但是和国外的一些顶尖模型还是有一些差距的。

不过，好在 MiniMax 属于后起之秀，它的进步速度是相当快的。大家可以看下面这张分数演变图。

我相信总有一天，国内的大模型的宣传不再是“接近” xxx 模型，而是 “全面超越” xxx 模型。

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：天欣AI 天欣 天欣《实测 MiniMax M2.5：它真的有那么强吗？》