Pekerja AI Berharga $1 Sejam
MiniMax, syarikat pemula kecerdasan buatan dari China, telah mencetuskan gangguan yang mengancam untuk meruntuhkan ekonomi penggunaan AI perusahaan. Syarikat yang berpangkalan di Shanghai itu melancarkan M2.5, model bahasa yang menawarkan prestasi setanding dengan sistem Barat paling mahal, pada kos kira-kira satu persepuluh hingga satu per dua puluh harga pesaing seperti Claude Opus 4.6 dan GPT-5.2.
Kandungan
Pelancaran itu, yang dimuat naik ke Hugging Face di bawah Lesen MIT yang diubah suai, berlangsung dalam minggu yang sarat dengan pengumuman AI dari China sehingga menggoncang pasaran global dan mengubah sempadan persaingan. Saham MiniMax, yang didagangkan sebagai MINIMAX-WP (00100.HK) di Bursa Saham Hong Kong, melonjak antara 11% hingga 16% selepas pengumuman itu dan ditutup pada HK$680, menurut South China Morning Post.
MiniMax meletakkan M2.5 bukan sekadar sebagai chatbot, tetapi sebagai pekerja digital gred pengeluaran yang mampu melakukan pengekodan, penyelidikan dan penciptaan dokumen secara autonomi. Syarikat itu mendakwa ini ialah model termaju pertama yang menghapuskan kebimbangan tentang kos, dengan operasi berterusan pada kelajuan 100 token sesaat hanya dengan kos $1 sejam. Pada kelajuan lebih rendah, kosnya turun kepada $0.30 sejam. Struktur harga ini membolehkan empat ejen AI beroperasi secara berterusan sepanjang tahun dengan kos kira-kira $10,000, jumlah yang hampir tidak mencukupi untuk menampung sebulan operasi menggunakan model Barat setanding.
Penanda Aras yang Mencabar Model Termaju
Penilaian bebas dan ujian MiniMax sendiri menunjukkan M2.5 berada dalam kelompok teratas model pengekodan, hampir menyamai Claude Opus 4.6 keluaran Anthropic meskipun perbezaan harganya sangat besar. Dalam SWE-Bench Verified, piawaian industri untuk mengukur keupayaan kejuruteraan perisian dunia sebenar, M2.5 memperoleh skor 80.2%, hanya 0.6 mata peratusan di belakang Opus 4.6 dan mengatasi GPT-5.2 keluaran OpenAI pada 80% serta Gemini 3 Pro keluaran Google pada 78%.
Model ini menunjukkan keupayaan khusus dalam senario pengekodan berbilang bahasa, dengan skor 51.3% dalam Multi-SWE-Bench, yang menguji tugasan pengaturcaraan merentas repositori dan memerlukan pemahaman beberapa pangkalan kod secara serentak. Skor ini meletakkannya di hadapan Opus 4.6 pada 50.3% dan jauh mengatasi Gemini 3 Pro pada 42.7%. Dalam VIBE-Pro, penanda aras dalaman untuk menguji tugasan pembangunan tindanan penuh yang kompleks, prestasi M2.5 setanding dengan Opus 4.5.
Selain keupayaan pengekodan, M2.5 menunjukkan kebolehan ejen yang luar biasa. Model ini memperoleh skor 76.3% dalam BrowseComp, yang mengukur keupayaan menyemak imbas web dan mendapatkan maklumat yang kompleks, serta 76.8% dalam Berkeley Function Calling Leaderboard (BFCL) untuk penggunaan alat berbilang giliran, mengatasi Opus 4.6 sebanyak lebih 13 mata peratusan. Firma penganalisis pihak ketiga Artificial Analysis memberikan M2.5 skor 42 dalam Intelligence Index, jauh melebihi purata 25 bagi model setanding, sambil menyatakan model itu beroperasi pada kelajuan 80 token sesaat, lebih pantas daripada purata 55.
Bagaimanapun, pengesahan bebas dalam papan pendahulu SWE-rebench Januari 2026, yang menguji 48 permintaan tarik GitHub baharu menggunakan metodologi berbeza, menunjukkan M2.5 mencapai 39.6% berbanding Claude Code pada 52.9%. Ini menunjukkan prestasi dunia sebenar mungkin berbeza mengikut rangka kerja penilaian dan sejauh mana baharu tugasan yang diuji.
Seni Bina yang Cekap
Kebolehlaksanaan ekonomi M2.5 berpunca daripada seni bina Mixture of Experts (MoE), corak reka bentuk yang meniru rundingan dengan pakar dan bukannya tenaga kerja generalis. Walaupun model ini mengandungi 230 bilion parameter keseluruhannya, hanya 10 bilion diaktifkan bagi setiap tugasan. Pengaktifan terpilih ini membolehkan sistem mengekalkan kedalaman penaakulan model besar sambil beroperasi dengan kelajuan dan struktur kos sistem yang jauh lebih kecil.
Untuk melatih seni bina kompleks ini, MiniMax membangunkan Forge, rangka kerja pembelajaran pengukuhan proprietari yang direka khusus untuk AI ejen. Tidak seperti pendekatan standard yang mengoptimumkan jawapan agar menyenangkan pengguna, Forge menggunakan model dalam ratusan ribu persekitaran simulasi langsung termasuk repositori kod, pelayar web dan aplikasi pejabat, dengan ganjaran berdasarkan penyelesaian tugasan sebenar dan bukannya keselarasan gaya. Sistem ini mencapai kelajuan latihan kira-kira 40 kali lebih pantas berbanding pendekatan RL standard melalui penjadualan tak segerak yang dioptimumkan dan strategi penggabungan berstruktur pepohon untuk sampel latihan.
Jurutera MiniMax Olive Song menjelaskan dalam kemunculannya di podcast ThursdAI bahawa rejimen latihan ini memerlukan dua bulan kerja intensif merentasi pelbagai senario dunia sebenar. Untuk mengekalkan kestabilan sepanjang proses itu, pasukan tersebut melaksanakan CISPO (Clipping Importance Sampling Policy Optimization), pendekatan matematik yang menghalang model daripada membuat pembetulan berlebihan semasa sesi latihan.
"Apa yang kami sedari ialah model kecil seperti ini mempunyai banyak potensi jika kami melatihnya dengan pembelajaran pengukuhan menggunakan sejumlah besar persekitaran dan ejen. Tetapi perkara ini bukan mudah dilakukan," kata Song, sambil menambah bahawa pasukan itu meluangkan banyak masa untuk memperhalus proses tersebut.
Metodologi ini membentuk apa yang disebut MiniMax sebagai "Minda Arkitek". Daripada terus menjana kod, M2.5 terlebih dahulu merancang struktur projek, ciri dan reka bentuk antara muka, kemudian memecahkan tugasan kompleks kepada komponen yang boleh diurus sebelum pelaksanaan bermula. Model ini dilatih menggunakan lebih 10 bahasa pengaturcaraan termasuk Go, C, C++, TypeScript, Rust, Kotlin, Python, Java, JavaScript, PHP, Lua, Dart dan Ruby dalam lebih 200,000 persekitaran.
Daripada Chatbot kepada Pekerja Digital
Peralihan AI daripada antara muka perbualan kepada pekerja autonomi merupakan teras falsafah reka bentuk M2.5. MiniMax bekerjasama dengan golongan profesional kanan dalam bidang kewangan, undang-undang dan sains sosial untuk membekalkan model itu dengan pengetahuan tersirat khusus industri, sekali gus membolehkannya menghasilkan tugasan siap guna dan bukannya sekadar blok teks mentah.
Fokus ini terserlah melalui keupayaan automasi pejabat praktikal yang sering diabaikan oleh kebanyakan model termaju. M2.5 boleh mencipta dan mengubah suai dokumen Microsoft Word, membina persembahan PowerPoint dengan susun atur dan carta yang sesuai serta melaksanakan tugasan pemodelan kewangan Excel yang kompleks. Dalam penanda aras MEWC, yang menggunakan soalan daripada pertandingan sebenar Microsoft Excel World Championship, model itu memperoleh skor 74.4%. Dalam rangka kerja penilaian dalaman GDPval-MM, yang menilai mutu hasil kerja dan perkembangan profesional melalui perbandingan berpasangan, M2.5 mencapai kadar kemenangan purata 59% berbanding pesaing arus perdana.
MiniMax telah pun menggunakan M2.5 secara dalaman sebagai ujian bagi penerimaan perusahaan. Menurut kenyataan syarikat, model itu kini menyelesaikan 30% daripada semua tugasan secara autonomi merentasi jabatan termasuk penyelidikan dan pembangunan, pengurusan produk, jualan, sumber manusia dan kewangan. Dalam persekitaran pengekodan, M2.5 menjana 80% kod baharu yang dikomitkan di ibu pejabat MiniMax.
Syarikat itu menghimpunkan keupayaan ini dalam MiniMax Agent, sebuah platform yang membolehkan pengguna membina lebih 10,000 Pakar khusus dengan menggabungkan Kemahiran Pejabat dan pengetahuan industri mengikut bidang. Konfigurasi ini membolehkan Agent mengikuti prosedur operasi standard yang ditetapkan untuk penyelidikan industri atau mematuhi logik kawalan risiko tertentu bagi pemodelan kewangan, dan bukannya sekadar menjana blok teks mentah.
Model ini mengendalikan pembangunan tindanan penuh untuk platform Web, Android, iOS dan Windows, termasuk mengurus API sisi pelayan, logik perniagaan dan pangkalan data, bukan sekadar menghasilkan demonstrasi bahagian hadapan. Keupayaan ini meliputi keseluruhan kitar hayat perisian, daripada reka bentuk awal sistem hingga pengulangan ciri, semakan kod menyeluruh dan pengujian.
Ekonomi Operasi Berterusan
MiniMax menawarkan dua varian API dengan keupayaan yang sama tetapi kadar pemprosesan berbeza. M2.5-Lightning beroperasi pada kelajuan 100 token sesaat, dengan harga $0.30 bagi setiap sejuta token input dan $2.40 bagi setiap sejuta token output. M2.5 standard beroperasi pada separuh kelajuan itu (50 token sesaat) dengan separuh kos: $0.15 bagi setiap sejuta token input dan $1.20 bagi setiap sejuta token output.
Sebagai gambaran, penggunaan empat contoh ejen M2.5 secara berterusan sepanjang tahun menelan kos kira-kira $10,000. Sebaliknya, Claude Opus 4.6 mengenakan bayaran kira-kira $75 bagi setiap sejuta token output, menjadikan operasi berterusan setanding tidak mampu ditanggung oleh kebanyakan organisasi. Berdasarkan harga output sahaja, kos M2.5 adalah satu persepuluh hingga satu per dua puluh kos Opus, Gemini 3 Pro dan GPT-5.
Perbezaan kos menjadi ketara apabila melihat kos tugasan tertentu. Alex Volkov, pengacara podcast ThursdAI, berkata M2.5 menyelesaikan tugasan SWE-Bench dengan menggunakan token bernilai kira-kira $0.15, manakala Claude Opus 4.6 memerlukan sekitar $3.00 untuk tugasan setara. Pengurangan kos sebanyak 95% ini menghapuskan tekanan tradisional untuk mengoptimumkan prompt dan meminimumkan penggunaan token, sekali gus membolehkan pembangun menggunakan model berkonteks tinggi dan berkeupayaan penaakulan tinggi untuk operasi rutin yang sebelum ini diserahkan kepada sistem lebih murah tetapi kurang berkeupayaan.
Kedua-dua varian API menyokong caching, yang mengurangkan lagi kos bagi operasi berulang. Lesen MIT yang diubah suai mewajibkan pengguna komersial memaparkan "MiniMax M2.5" dengan jelas dalam antara muka pengguna mereka, syarat kecil memandangkan kelebihan ekonominya. Pada kelajuan 100 token sesaat, penjanaan berterusan menghasilkan 360,000 token output sejam, dengan kos kira-kira $0.86 untuk token output, tidak termasuk kos input.
Peningkatan kelajuan menambah lagi manfaat penjimatan kos. M2.5 menyelesaikan tugasan hujung ke hujung 37% lebih pantas berbanding pendahulunya, M2.1. Masa pelaksanaan SWE-Bench Verified turun daripada 31.3 minit kepada 22.8 minit, menyamai Claude Opus 4.6 yang mengambil masa 22.9 minit, dengan hanya 10% daripada kos bagi setiap tugasan.
Konteks Pasaran dan Tekanan Persaingan
Pelancaran M2.5 mengakhiri minggu yang tidak menentu bagi kecerdasan buatan China, ketika beberapa syarikat tempatan memperkenalkan model yang berdaya saing. Zhipu AI melancarkan GLM-5, yang mengatasi Gemini 3 Pro keluaran Google dalam Artificial Analysis Intelligence Index, manakala Alibaba memperkenalkan RynnBrain untuk aplikasi robotik, ByteDance melancarkan Seedance 2.0 untuk penjanaan video dan Kuaishou memperkenalkan Kling 3.0. Saham MiniMax dan Zhipu AI masing-masing mencatat kenaikan dua digit, dengan saham Zhipu AI meningkat 30% dalam dagangan Hong Kong.
Pelancaran bertalu-talu ini mencabar penilaian terkini tentang jurang AI antara China dengan AS. Ketua Google DeepMind Demis Hassabis sebelum ini menganggarkan model China ketinggalan hanya beberapa bulan di belakang tawaran Barat; kedudukan M2.5 yang hampir setara dengan Claude Opus 4.6, yang dilancarkan hanya seminggu sebelumnya, menunjukkan jurang itu mungkin kini mengecil kepada beberapa hari. Keputusan SWE-rebench Januari 2026 menunjukkan Claude Opus 4.6 mencapai 51.7% dan GPT-5.2 mencapai 51.0% bagi permintaan tarik baharu, berbanding MiniMax M2.5 pada 39.6%. Ini menunjukkan model Barat masih mempunyai kelebihan pada kod terbaharu, walaupun jurang itu terus mengecil.
Implikasi persaingan melangkaui penanda aras. Strategi harga MiniMax memberi tekanan sistematik kepada makmal AI Barat yang membina model perniagaan berasaskan kadar API premium. Apabila kecerdasan menjadi, seperti yang didakwa MiniMax, "terlalu murah untuk diukur", industri beralih daripada ekonomi berasaskan kekurangan kepada ekonomi berasaskan jumlah, sekali gus berpotensi mengganggu model pendapatan pemain sedia ada.
Bagi pemimpin teknikal, M2.5 menawarkan kelebihan operasi serta-merta. Peningkatan kelajuan 37% berbanding pendahulunya membolehkan saluran paip ejen masa nyata yang membolehkan model berinteraksi dengan model lain tanpa kesesakan kependaman. Organisasi kini boleh menjalankan audit kod automatik pada skala yang belum pernah berlaku sebelum ini, sambil mengekalkan privasi data melalui penggunaan model terbuka berwajaran yang dihoskan sendiri.
Inti Pati
- MiniMax M2.5 mencapai 80.2% dalam SWE-Bench Verified, menyamai prestasi Claude Opus 4.6 pada kos satu persepuluh hingga satu per dua puluh lebih rendah
- Dua varian API tersedia: Standard pada harga $0.15/$1.20 bagi setiap sejuta token (50 TPS) dan Lightning pada $0.30/$2.40 (100 TPS)
- Seni bina MoE dengan 230 bilion parameter hanya mengaktifkan 10 bilion parameter bagi setiap tugasan, sekali gus mengurangkan beban pengiraan
- Dilatih menggunakan rangka kerja RL proprietari Forge dalam lebih 200,000 persekitaran dunia sebenar dengan kawalan kestabilan algoritma CISPO
- Mampu melakukan pembangunan tindanan penuh secara autonomi, mencipta dokumen pejabat (Word, Excel, PowerPoint) dan menjalankan pemodelan kewangan kompleks
- Digunakan secara dalaman di MiniMax, dengan model itu menyelesaikan 30% tugasan syarikat dan menjana 80% kod baharu
- Dikeluarkan sebagai model berwajaran terbuka di Hugging Face di bawah Lesen MIT yang diubah suai dan mewajibkan pengiktirafan bagi penggunaan komersial
- Saham syarikat (MINIMAX-WP, 00100.HK) melonjak 11% hingga 16% di Bursa Saham Hong Kong selepas pengumuman
