MiniMax M2.5 相关 AI 资讯 · AITOP · AI热报

8月4日

09:27

09:27

官方一手arXiv: OpenAI@Zehao Wang, Yisen Xu, Chenglin Li, Chao Peng, Bram Adams, Ahmed E. Hassan, Tse-Hsun, Chen

精选

论文提出 Ledger，一个确定性运行时层，将编码智能体的交互历史蒸馏为显式执行状态。它在模型行动前通过 inform 路径注入状态视图，在命令执行前通过 govern 路径复用有效结果并标记冗余操作。在 SWE-bench Verified 的 500 个实例上，Ledger 将 GPT-5 mini 的 Pass@1 从 56.2% 提升至 64.2%，将 MiniMax M2.5 从 75.8% 提升至 81.0%。成本分别降低 28.9% 和 31.8%；附加到 OpenAI Codex 后 Pass@1 提升 3.4 个百分点，成本降低 24.4%。消融实验显示 govern 贡献主要正确率提升，inform 贡献主要效率提升，两者结合效果最佳。

论文 Ledger SWE-bench GPT-5 mini

推荐理由：arXiv 新论文做了个 Ledger 层，给编码智能体记账执行状态。GPT-5 mini 在 SWE-bench 从 56.2% 提到 64.2%，成本降 28.9%。

5月21日

07:46

07:46

Fireworks AI@FireworksAI_HQ

精选

Fireworks AI 与 NotteCore 合作，在多个前沿模型上运行了 720 个浏览器代理任务。结果显示，某个基线模型在约 1/5 的调用中产生格式错误输出，导致多步工作流中频繁重试。而 Kimi K2.5、GLM-5 和 MiniMax M2.5 在 Fireworks 上运行时，重试率近乎为零，且随着任务步骤增加，延迟保持稳定。这一差异在生产级代理系统中直接体现为成本、延迟和可靠性的分化。完整报告已发布。

AI产品浏览器代理模型对比重试率

推荐理由：做浏览器自动化或代理系统的团队，这个对比直接告诉你模型选择如何影响生产环境的成本和稳定性——Kimi/GLM/MiniMax 的低重试率值得关注。