Mô hình AI MiniMax M2 vượt qua Google DeepMind

Thế hệ dẫn đầu mới trong nhóm mô hình có trọng số mở

MiniMax, startup AI Trung Quốc đang phát triển nhanh với sự hậu thuẫn của các nhà đầu tư lớn trong nước, đã ra mắt mô hình ngôn ngữ lớn M2 và vươn lên nhóm dẫn đầu toàn cầu về các hệ thống có trọng số mở. Các đánh giá độc lập xếp MiniMax M2 là mô hình có trọng số mở mạnh nhất trên Artificial Analysis Intelligence Index, với hiệu năng vượt Gemini 2.5 Pro của Google DeepMind và tiệm cận những hệ thống độc quyền hàng đầu của Mỹ. Công ty phát triển M2 cho hai ứng dụng đang rất được quan tâm là tạo mã và sử dụng công cụ theo phong cách tác tử, đồng thời tối ưu tốc độ và mức giá để thu hút nhà phát triển, doanh nghiệp muốn cắt giảm chi phí mà không phải đánh đổi năng lực.

Điểm xuyên suốt trong thiết kế kỹ thuật là hiệu quả. MiniMax M2 sử dụng kiến trúc Mixture of Experts, định tuyến mỗi đầu vào đến một nhóm neuron con của mô hình, nhờ đó chỉ khoảng 10 tỷ tham số hoạt động tại một thời điểm, trong khi tổng dung lượng mô hình lớn hơn nhiều. Thiết kế này giảm độ trễ và nhu cầu bộ nhớ GPU mà không làm suy giảm năng lực suy luận. API của MiniMax có mức giá rất cạnh tranh: 0,30 USD cho mỗi triệu token đầu vào và 1,20 USD cho mỗi triệu token đầu ra; theo so sánh của chính công ty, mức này bằng khoảng 8% giá Claude 3.5 Sonnet của Anthropic. Nhóm phát triển cũng công bố tốc độ suy luận gần 100 token mỗi giây. Toàn bộ trọng số mô hình được phát hành theo giấy phép linh hoạt và có thể tải xuống để tự lưu trữ, cho phép các nhóm tinh chỉnh và triển khai M2 nội bộ theo nhu cầu.

Lĩnh vực mô hình có trọng số mở của Trung Quốc sôi động suốt cả năm, với DeepSeek, Qwen của Alibaba, Moonshot AI và các đơn vị khác thúc đẩy khả năng xử lý ngữ cảnh dài và suy luận. Việc MiniMax vươn lên dẫn đầu đáng chú ý vì M2 xuất hiện đúng lúc doanh nghiệp đang chi tiền thực tế cho các tác tử dùng công cụ để tự động hóa hỗ trợ, nghiên cứu và phát triển. Những tác tử này có thể duyệt web, truy vấn dữ liệu nội bộ, chạy mã và tự kiểm tra kết quả. Sự kết hợp giữa năng lực, chi phí thấp và giấy phép minh bạch đã đưa M2 trở thành chuẩn tham chiếu mới cho AI có trọng số mở.

Hiệu năng mạnh đến đâu?

Artificial Analysis tổng hợp các bài đánh giá khắt khe về toán học, khoa học, khả năng làm theo chỉ dẫn, lập trình và quy trình tác tử để tạo nên một Intelligence Index duy nhất. Ở phiên bản mới nhất, MiniMax M2 đạt 61 điểm, đứng đầu trong nhóm mô hình có trọng số mở và nằm trong số những mô hình mạnh nhất nói chung. M2 vượt Gemini 2.5 Pro và đạt kết quả gần Claude Sonnet 4.5 của Anthropic ở một số tác vụ tác tử và lập trình, dù vẫn kém các hệ thống tiên phong mới nhất như GPT 5 và Grok của xAI. Với nhiều nhà phát triển, đây là điểm cân bằng hấp dẫn: năng lực gần nhóm tiên phong mà không phải chịu chi phí ở mức đó hoặc bị phụ thuộc vào một nhà cung cấp.

Tác vụ tác tử đạt mức gần nhóm tiên phong

Các bài đánh giá theo phong cách tác tử đo lường khả năng lập kế hoạch, gọi công cụ, đọc kết quả, thích ứng và xác minh đầu ra cuối cùng qua nhiều bước. M2 thể hiện đặc biệt tốt ở khía cạnh này. MiniMax công bố kết quả cao trên các bộ đánh giá định hướng tác tử, trong đó tau squared Bench đạt 77,2, BrowseComp đạt 44,0 và FinSearchComp global đạt 65,5. Các bài đánh giá này kiểm tra khả năng duyệt web và trích dẫn, truy xuất thông tin tài chính, lập kế hoạch cũng như phục hồi khi các bước gặp lỗi. Trên thực tế, một tác tử chạy bằng M2 có thể xây dựng kế hoạch, chạy lệnh shell, tìm kiếm và đọc nguồn, gọi trình thông dịch để kiểm thử mã, sửa lỗi và đưa ra bằng chứng có thể truy xuất mà không cần con người liên tục nhắc nhở.

Các bài đánh giá lập trình và suy luận

MiniMax thiết kế M2 cho quy trình phát triển phần mềm đầu cuối, trong đó mô hình chỉnh sửa nhiều tệp, biên dịch, kiểm thử và sửa mã theo từng vòng lặp. Trong các tác vụ kiểu SWE Bench và Terminal Bench, mô hình cho thấy năng lực làm việc với kho mã thực tế và môi trường dòng lệnh bằng nhiều ngôn ngữ. Đánh giá tổng hợp của Artificial Analysis, có tính đến cả kiến thức và bài kiểm tra suy luận như GPQA Diamond và AIME, cho thấy thế mạnh lập trình của M2 không phải đánh đổi bằng trí tuệ tổng quát. Với các tổ chức cần một trợ lý vừa xử lý công việc phần mềm vừa hỗ trợ nghiên cứu, tính ổn định trên nhiều lĩnh vực là điểm hấp dẫn.

Tổng quan kiến trúc

M2 là mô hình Mixture of Experts thưa. Thay vì đưa mọi token qua tất cả các phần của một mạng khổng lồ, một cổng định tuyến được huấn luyện sẽ chọn một số mạng chuyên gia con để kích hoạt cho mỗi đầu vào. Tài liệu của MiniMax mô tả mô hình có tổng cộng khoảng 230 tỷ tham số, trong đó 10 tỷ được kích hoạt ở mỗi lần suy luận. Các báo cáo ban đầu nêu con số 200 tỷ tham số, nhưng trang kỹ thuật và thẻ mô hình của công ty giải thích rằng tổng dung lượng lớn hơn đi cùng ngân sách 10 tỷ tham số hoạt động. Lợi ích rất rõ ràng: mô hình có được kho kiến thức rộng và khả năng chuyên môn hóa của một hệ thống rất lớn, trong khi chi phí suy luận gần với hệ thống dày đặc có 10 tỷ tham số hơn.

Hiệu quả này thể hiện qua yêu cầu phần cứng. MiniMax và các đơn vị kiểm thử bên thứ ba cho biết có thể vận hành thực tế chỉ với bốn GPU NVIDIA H100 ở độ chính xác FP8, đưa M2 vào tầm triển khai của các nhóm kỹ thuật quy mô vừa. Trong khi đó, một số đối thủ kích hoạt nhiều tham số hơn đáng kể. V3.2 gần đây của DeepSeek kích hoạt khoảng 37 tỷ tham số mỗi token, còn Kimi K2 của Moonshot AI sử dụng khoảng 32 tỷ, làm tăng nhu cầu bộ nhớ và giảm thông lượng. Dung lượng kích hoạt nhỏ hơn của M2 cũng giúp giảm độ trễ ở các trường hợp chậm nhất và hỗ trợ xử lý đồng thời, hai vấn đề vận hành thường gặp ở công cụ tương tác và tác tử.

Lựa chọn thiết kế tác tử và khả năng sử dụng công cụ

MiniMax xây dựng M2 để suy nghĩ, hành động và xác minh theo vòng lặp, sau đó cung cấp hướng dẫn gọi công cụ để kết nối mô hình với shell, trình duyệt, hệ thống truy xuất và trình chạy mã. Công ty nhấn mạnh các dấu vết suy luận hiển thị theo định dạng suy nghĩ đan xen. Trong các phiên nhiều lượt, trợ lý giữ nguyên ngữ cảnh lập kế hoạch và chuỗi bằng chứng, giúp mô hình xử lý dữ liệu chưa đầy đủ hoặc bước thực hiện thất bại, đồng thời giúp nhà phát triển kiểm tra các quyết định. Cách tiếp cận này nhằm tăng độ tin cậy và khả năng gỡ lỗi của các tác vụ kéo dài.

MiniMax cũng tích hợp M2 chặt chẽ với môi trường phát triển thực tế. Mô hình hoạt động tốt với các framework suy luận phổ biến SGLang và vLLM, đồng thời tuân theo định dạng yêu cầu quen thuộc của OpenAI và Anthropic. Nhờ đó, các nhóm có thể thay thế bằng M2 với rất ít thay đổi mã rồi mở rộng quy mô phục vụ khi cần. Với những đơn vị xây dựng trợ lý nội bộ hoặc tác tử dùng trong sản xuất, việc tích hợp ít trở ngại là một lợi thế đáng kể.

MiniMax giới thiệu lần ra mắt này gắn với sứ mệnh và khả năng tiếp cận. Công ty cho biết muốn đưa trí tuệ tiên tiến đến đông đảo người dùng, chứ không chỉ những người có thể chi trả cho các mô hình độc quyền cao cấp.

Ngay từ đầu, MiniMax đã theo đuổi tầm nhìn 'Trí tuệ dành cho mọi người'.

Trong thẻ mô hình công khai, nhóm phát triển nhấn mạnh trọng tâm vào tác tử và hiệu quả.

MiniMax-M2 định nghĩa lại hiệu quả cho các tác tử.

MiniMax vận hành dịch vụ tác tử sử dụng M2 với hai chế độ. Lightning Mode truyền phản hồi tức thì cho các truy vấn đơn giản. Pro Mode xử lý các công việc phức tạp kéo dài hơn như nghiên cứu, trích xuất dữ liệu hoặc lập trình nhiều giai đoạn. Cách phân chia này phản ánh cách các nhóm làm việc trên thực tế: đan xen giữa câu trả lời nhanh và dự án dài hơi, nơi mô hình phải lập kế hoạch, thực thi và kiểm tra sản phẩm đầu ra từ đầu đến cuối.

Khả năng tiếp cận, giấy phép và giá

M2 có mức độ mở đáng chú ý so với một hệ thống sở hữu năng lực cao như vậy. MiniMax phát hành toàn bộ trọng số theo giấy phép linh hoạt và công bố hướng dẫn triển khai. Nhà phát triển có thể tải kho mã trên các nền tảng như Hugging Face, chạy suy luận cục bộ bằng SGLang hoặc vLLM và tinh chỉnh mô hình cho các lĩnh vực cụ thể. MiniMax cũng cung cấp API với giá mỗi token rất thấp và tốc độ truyền dữ liệu nhanh; công ty đã quảng bá quyền truy cập miễn phí trong thời gian giới hạn cho cả ứng dụng Agent và API.

Các chi tiết thực tiễn quan trọng với bên mua gồm hỗ trợ gọi hàm có cấu trúc, xử lý ngữ cảnh dài và sử dụng công cụ đáng tin cậy. MiniMax khuyến nghị các thiết lập lấy mẫu phổ biến và cung cấp lược đồ gọi công cụ rõ ràng để kết nối mô hình với dịch vụ bên ngoài. Với các nhóm lo ngại bị phụ thuộc vào nhà cung cấp, sự kết hợp giữa trọng số mở và khả năng tương thích API tốt là lý do thuyết phục để đánh giá M2. Các nhóm muốn vận hành hoàn toàn tại chỗ có thể tham khảo tài liệu của công ty về cách phục vụ M2 hiệu quả và tính toán dung lượng bộ nhớ GPU cho các mức độ chính xác khác nhau.

• Trọng số được công bố để tự lưu trữ, kèm hướng dẫn cho SGLang và vLLM.
• API có giá 0,30 USD cho mỗi triệu token đầu vào và 1,20 USD cho mỗi triệu token đầu ra, với tốc độ được quảng bá gần 100 token mỗi giây.
• Khả năng sử dụng công cụ bao gồm shell, trình duyệt, truy xuất thông tin và trình thông dịch mã; các dấu vết suy luận hiển thị hỗ trợ kiểm toán và gỡ lỗi.
• Khả năng tương thích với API theo phong cách OpenAI và Anthropic giúp giảm khối lượng tích hợp cho các ứng dụng hiện có.

Những lựa chọn này khiến M2 trở thành phương án hấp dẫn cho trợ lý lập trình, trợ lý phân tích dữ liệu và tác tử hỗ trợ khách hàng cần kết hợp suy luận với khả năng thực thi công cụ đáng tin cậy.

Đối thủ và bảng xếp hạng đang thay đổi

Đà vươn lên của MiniMax M2 làm thay đổi bảng xếp hạng mô hình có trọng số mở và đẩy cạnh tranh giữa Trung Quốc với Mỹ lên cao hơn. Artificial Analysis xếp M2 là mô hình có trọng số mở mạnh nhất với Intelligence Index đạt 61 điểm, vượt Gemini 2.5 Pro của Google và chỉ đứng sau các mô hình độc quyền hàng đầu như Claude Sonnet 4.5, GPT 5 và Grok 4, tùy theo tác vụ. Vị trí này đặc biệt đáng chú ý ở các bài đánh giá tác tử như BrowseComp và FinSearchComp global, nơi khả năng lập kế hoạch, trích dẫn bằng chứng và khắc phục lỗi của M2 đã thu hẹp đáng kể khoảng cách với các hệ thống đóng.

Bản đồ cạnh tranh trong Trung Quốc cũng đang thay đổi. DeepSeek và Qwen thống trị các tiêu đề suốt nhiều tháng qua nhờ huấn luyện ở quy mô tiên phong và khả năng xử lý ngữ cảnh dài, nhưng MiniMax hiện thu hút chú ý với ngân sách tham số kích hoạt nhỏ hơn, đem lại hiệu năng lập trình và tác tử tương đương với chi phí thấp hơn. DeepSeek đã thử nghiệm các mô hình có tổng số tham số khổng lồ, có thể đẩy nhu cầu bộ nhớ lên gần 700 gigabyte trong một số cấu hình. Cách kích hoạt thưa và công thức vận hành được tối ưu của MiniMax giữ yêu cầu ở mức một cụm máy mà nhiều nhóm thị trường tầm trung có thể chi trả, nhất là khi sử dụng FP8 và framework suy luận tối ưu.

Giá cả cũng rất quan trọng. Mức giá token của MiniMax thấp hơn đối thủ độc quyền lớn khoảng một bậc độ lớn. Với doanh nghiệp muốn vận hành hàng trăm tác tử hoặc duy trì công cụ hỗ trợ lập trình mở cả ngày cho nhiều nhà phát triển, điều này có thể giúp chuyển ngân sách từ giai đoạn thử nghiệm sang triển khai thực tế. Việc phát hành trọng số mở là một lợi thế khác, vì cho phép các công ty nhạy cảm về bảo mật kiểm tra, tinh chỉnh và triển khai trong môi trường riêng. Sự kết hợp giữa khả năng tiếp cận, chi phí và năng lực là thách thức trực tiếp đối với các nền tảng độc quyền dựa vào mức giá cao cấp.

Những điểm người mua cần lưu ý

Các bài đánh giá là chỉ dẫn hữu ích, không phải lời bảo đảm. Artificial Analysis đánh giá mô hình bằng bộ công cụ kiểm thử có kiểm soát và câu lệnh cố định, có thể không hoàn toàn phù hợp với lĩnh vực hoặc công cụ của một công ty cụ thể. Các nhóm triển khai M2 nên tự đánh giá bằng những tác vụ đại diện, đồng thời đo độ trễ, thông lượng và độ tin cậy của tác tử với chính các công cụ dự định sử dụng.

Cũng cần lên kế hoạch cho các chi tiết vận hành. MiniMax khuyến nghị giữ lại dấu vết suy nghĩ đan xen của mô hình qua các lượt để những tác vụ dài duy trì được kế hoạch và bằng chứng nhất quán. Thiết kế này có thể tạo ra đầu ra dài và lịch sử hội thoại lớn hơn, vì vậy nhà phát triển nên quản lý cẩn thận cửa sổ ngữ cảnh, cắt gọn hoặc tóm tắt khi có thể. Các tổ chức muốn tối đa hóa thông lượng cũng nên thử nghiệm thiết lập lượng tử hóa và chiến lược gộp lô để cân bằng tốc độ, chi phí và độ chính xác.

Cuối cùng, M2 vẫn là hệ thống có trọng số mở mà các tổ chức có thể chỉnh sửa, đồng nghĩa với trách nhiệm lớn hơn về an toàn và tuân thủ. Các nhóm cần bổ sung giám sát, biện pháp kiểm soát đối với lệnh gọi công cụ và kiểm soát quyền truy cập cho mọi triển khai có thể kết nối với tài nguyên bên ngoài hoặc dữ liệu nhạy cảm. Đây là những vấn đề thường gặp ở hệ thống tác tử và cũng cần được xử lý nghiêm túc trong trường hợp này.

Tóm tắt

• MiniMax M2 là mô hình có trọng số mở đứng đầu Artificial Analysis Intelligence Index và nằm trong nhóm dẫn đầu toàn cầu nói chung.
• Mô hình vượt Gemini 2.5 Pro của Google về trí tuệ tổng hợp, dù kém các hệ thống độc quyền tiên phong như GPT 5 và Claude Sonnet 4.5 ở một số tác vụ.
• M2 là mô hình Mixture of Experts với khoảng 230 tỷ tham số tổng cộng và 10 tỷ tham số hoạt động ở mỗi lần suy luận, giúp giảm độ trễ và chi phí.
• Hiệu năng tác tử là điểm nổi bật, với kết quả cao ở tau squared Bench, BrowseComp và FinSearchComp global.
• Năng lực lập trình được xác thực qua các tác vụ kiểu SWE Bench và Terminal Bench, hỗ trợ quy trình phát triển phần mềm đầu cuối.
• API có giá 0,30 USD cho mỗi triệu token đầu vào và 1,20 USD cho mỗi triệu token đầu ra, với tốc độ gần 100 token mỗi giây.
• Toàn bộ trọng số được mở theo giấy phép linh hoạt để tự lưu trữ; mô hình tích hợp với SGLang, vLLM và các định dạng API phổ biến.
• Có thể vận hành chỉ với bốn GPU NVIDIA H100 ở độ chính xác FP8, giúp các nhóm quy mô vừa dễ triển khai hơn.
• So với đối thủ, M2 kích hoạt ít tham số hơn DeepSeek V3.2 và Moonshot Kimi K2, nhờ đó đạt hiệu quả cao hơn.
• Doanh nghiệp nên xác thực hiệu năng trên hệ thống công cụ của riêng mình và lên kế hoạch xử lý đầu ra dài, quản lý ngữ cảnh cũng như kiểm soát an toàn.