春节AI（人工智能）大战，MiniMax（HK00100，股价680.0港元，市值2132.72亿港元）没有缺席。
2月12日，MiniMax正式上线最新旗舰编程模型MiniMax M2.5。据悉，作为全球首个为Agent（智能体）场景原生设计的生产级模型，其编程与智能体性能（Coding&Agentic）比肩国际顶尖模型，直接对标Claude Opus 4.6，支持PC（个人电脑）、App（应用程序）、跨端应用的全栈编程开发。
或受此消息影响，截至2月13日港股收盘，MiniMax股价上涨15.65%，总市值2132.72亿港元。
同样值得注意的是，M2.5-lightning版本支持100 TPS（每秒事务处理量）以上输出速度，是主流模型的2倍左右；输入价格约0.3美元/百万Token（令牌/词元），输出价格约2.4美元/百万Token。
若按每秒输出100 Token计算，连续运行一小时成本约1美元；若按50 Token计算，成本约0.3美元。这意味着，1万美元理论上可支持4个Agent连续工作一年。
春节前夕，各家AI企业的押注方向已经出现区别。当有的玩家押注多模态、有的抢滩C端（消费者端）入口，MiniMax却将筹码悉数押在Agent场景的“性能与成本双突破”上。这是价格战的前奏，还是加速AI商业化落地的新路径？
上线文本模型背后：MiniMax想要重构Agent经济？
就MiniMax M2.5这一模型的性能，快思慢想研究院院长田丰对《每日经济新闻》记者表示，从M2.5的定位来看，它是“原生Agent生产级模型”，其核心价值在于为Agent场景提供可靠的任务文本理解和复杂问题长程推理能力。
“在编程、工具调用、复杂任务拆解等Agent核心能力上，M2.5已经达到全球SOTA（State of the Art，最先进的）水平，这些能力是构建高效Agent的基石。”田丰表示。
种种迹象都表明，MiniMax对Agent的布局已然清晰。
过去108天，MiniMax从M2、M2.1迭代至M2.5，在SWE-Bench Verified（软件工程基准测试）成绩从69.4提升至80.2分。记者了解到，团队将这一跃迁归因于大规模Agent强化学习（RL Scaling）。
据了解，其自研Forge框架通过解耦训练引擎与Agent，实现对任意Agent脚手架和工具的泛化优化，并通过异步调度与树状合并策略实现约40倍训练加速。
同时，在算法层面采用CISPO优化与过程奖励机制，缓解长上下文场景中的信用分配问题，并将“任务真实耗时”纳入奖励函数，在效果与响应速度之间取得平衡。
2月12日，M2.5已在MiniMax Agent上线，并于13日全球开源支持本地化部署。不到一天，来自全世界的用户已经在MiniMax Agent上构建了1万多个专家，且数量仍在快速增长。
MiniMax表示，希望在持续提升模型能力的同时，构建一个可持续扩展的Agent生态——Agent Universe。
值得一提的是，在现阶段，AI企业的押宝重点更多在多模态大模型等方向，MiniMax在此时推出文本大模型，意欲何为？
就此，田丰表示，MiniMax把几乎所有资源都集中押在了基座模型能力的持续提升上，“M2.5的推出是这一战略的延续——先有底座模型能力，再向外辐射到具体应用场景”。
不过，他也提到，MiniMax是国内最早采用全模态模型技术路线的企业之一，推出纯文本模型并非放弃多模态，而是在已有全模态能力基础上，针对Agent场景进行专项优化。
艾媒咨询CEO张毅则向记者表示，MiniMax大力推进低成本大模型，背后是一条清晰的差异化路线：避开多模态竞争的红海赛道，直击Agent在落地过程中成本高、效率低的核心痛点。
除了性能上的进展，外界对M2.5的一大关注点便是成本控制。MiniMax方面认为，当性能与成本不再构成约束，Agent规模化部署的经济模型将发生根本变化。
就M2.5在成本控制上的表现，北京市社会科学院副研究员王鹏对记者表示，MiniMax等厂商将Agent使用成本压至极低水平，标志着AI商业化从“技术验证”进入“规模替代”阶段。
王鹏认为，过去，高昂的推理成本限制了Agent的应用场景（仅能用于高价值任务），而如今低成本使得企业可以批量部署AI，处理日常重复性工作（如客服、数据录入），甚至创造新的商业模式（如按结果付费的AI服务）。
行业是否会走向价格比拼？专家：更可能引发“价值战”
值得一提的是，春节前夕，不少AI企业都进行了Agent相关布局。
在产品上，各路玩家正在马不停蹄地抢占先机。2月11日，美团LongCat发布原生“深度研究”Agent。用户盲测显示，其攻略“整体可用率”达61.1%，优于ChatGPT的42.8%。目前该功能已在LongCat网页免费开放。
1月20日，MiniMax发布Agent2.0版本，定位“AI原生工作台”，不仅上线桌面端，支持Mac和Windows，还推出面向专业垂直场景的“专家Agents”。1月19日，阶跃星辰正式官宣，全新升级电脑端Agent产品“阶跃AI桌面伙伴”，并推出Windows版本，可以免费使用。
就模型方面而言，2月3日晚，阿里开源新一代智能体编程模型Qwen3-Coder-Next，仅激活3B，其智能体编程性能就可媲美DeepSeek-V3.2、GLM-4.7等顶级开源模型。
据了解，基于技术新突破，“小快灵”的Qwen3-Coder-Next推理成本显著降低，仅为同等性能模型成本开销的5%到10%，特别适用于家用电脑、轻量服务器等低成本智能体部署场景，也是目前Agent编程能力最强的小型开源编程模型。
阿里方面表示，面临现实世界中令Agent头疼的长上下文推理、工具使用、从执行失败中恢复等难题，千问这一新模型都能从容应对。
可以发现，就与Agent相关的大模型而言，降低成本是目前行业的主攻方向。这是否意味着，随着M2.5的入场，行业有可能走向价格比拼？
“这未必是烧钱换市场。”对此，张毅认为，其低价主要是通过技术优化实现的，不完全是补贴烧钱的老路。“至于是否可能引发价格战，得观察后续市场的变化。但可以肯定的是，它会加速（淘汰）低效的竞品，行业也转向性能加成本的双维竞争。”
田丰则认为，M2.5的低成本是技术架构优化和工程能力提升的必然结果，将推动Agent从“概念验证”走向“规模化商用”，更可能引发“价值战”而非传统“价格战”。
“我们预测，大模型行业每年降低10倍推理成本是很可能持续下去的趋势。M2.5的出现将加速这一趋势，推动整个行业向更高效、更低成本的方向发展。”田丰说。
他还提到，此前Agent产品的定价普遍较高，主要面向企业级客户，M2.5带来的成本优势有望让Agent走向更广泛的中小企业市场、开发者市场，甚至个人用户。“这或将扩大整个Agent市场的规模，而非单纯的价格竞争。”
在王鹏看来，Agent的爆发和成本下降，标志着AI从“技术奇点”走向“产品奇点”，“如同智能手机取代功能机，未来AI的竞争将不再是参数大小，而是能否真正融入工作流程、创造实际价值”。
春节AI大战如火如荼，AI规模化落地的临界点到了？
就行业集体押注Agent的原因，王鹏认为，其背后本质是技术范式从“被动响应”向“主动执行”的跃迁。
“传统大模型如同‘知识库’，而Agent更像‘数字员工’，能拆解任务、调用工具、处理异常，甚至自我优化。这种转变源于企业需求升级：用户不再满足于获取信息，而是要求AI直接完成工作闭环（如自动处理订单、生成财报）。”王鹏说。
随着新模型和新产品的集体上线，截至目前，就Agent赛道而言，各企业之间开始拉开差距了吗？
对此，田丰认为，Agent大模型赛道确实正在拉开差距，但这一差距更多体现在工程化能力、场景落地能力和成本效益三个维度，而非单纯的参数规模或基础能力。
值得一提的是，当前，各企业对Agent的布局背后离不开对AI商业化落地的迫切需求。
田丰便指出，M2.5被明确定位为“原生Agent生产级模型”，所有核心能力提升都围绕编程、工具调用、办公生产力等高价值经济任务展开。这种专业化路径的选择，体现了MiniMax对商业化落地的深刻理解。
同样值得注意的是，今年春节期间，AI已成为各大科技企业重点布局的赛道。尽管各家发力路径各有侧重，但行业已展现出逐渐趋同的共识与方向。
田丰提到，行业正从“拼参数”转向“拼营收”“拼利润”，单纯的技术领先已不足以确保市场胜利，谁能更快地将技术优势转化为可量化的商业收入，谁就能赢得最终胜利。
此外，他认为，无论是字节的“流量+场景”模式、阿里的“电商平台+生态”模式，还是MiniMax的“专业化+落地”模式，本质上都是在构建各自的不同生态壁垒。
张毅也提到，从春节的AI大战可以看出，已经由同质化“内卷”走向差异化的方向。“厂商发力方向明显出现分化，主要路径包括多模态、Agent效率和生态可落地等，根源在于不同厂商在技术化禀赋、商业化的阶段和场景诉求上存在不同。”
在他看来，这也标志着整个行业正从围绕参数规模的“军备竞赛”，转向更场景化、更落地、更细分的全新竞争阶段。
从“炫技”走向“商用”，从“尝鲜”走向“普及”，今年春节，AI赛道你方唱罢我登台，好不热闹。当AI的成本门槛被逐渐拉低，当用户开始越来越多地接触到AI产品，这场春节期间的密集竞演，或许将被后人视为AI从“节日烟火”走向“日用灯火”的历史性转折点。
