La startup chinoise a dévoilé son nouveau modèle de langage M2, un système open source conçu pour les agents et les applications de codage. Présenté comme deux fois plus rapide que Claude Sonnet 4.5 d’Anthropic et huit fois moins cher à l’usage, M2 entend rendre l’intelligence artificielle « accessible à tous » — selon la formule de la jeune pousse soutenue par Alibaba. Qu’en penser ?
Disponible en accès libre et sous licence MIT sur Hugging Face et GitHub, M2 s’impose déjà comme l’un des modèles ouverts les plus performants du moment. Sur le benchmark d’Artificial Analysis, il a obtenu 61 points, devançant Gemini 2.5 Pro de Google DeepMind (60 points) et se plaçant juste derrière GPT-5, Grok 4 et Claude Sonnet 4.5. Cette performance fait de MiniMax le premier acteur actuel de l’IA open source, un an seulement après la sortie de son modèle M1.
Cette ouverture s’inscrit dans la stratégie de MiniMax : “Intelligence with Everyone.” Le modèle MiniMax M2, par son efficacité et sa licence permissive, pourrait bien devenir une référence dans l’écosystème des modèles ouverts — et un symbole de la très bonne santé de la Chine dans la course à l’IA open source face aux États-Unis.
Sous le capot
M2 repose sur une architecture Mixture-of-Experts (MoE) comptant 230 milliards de paramètres, dont seuls 10 milliards sont activés à chaque inférence — une approche économe qui lui permet d’offrir des vitesses de génération proches de 100 jetons (tokens) par seconde, soit le double de la plupart des modèles concurrents. Selon les premiers tests, il peut être déployé sur quatre GPU NVIDIA H100 en précision FP8, rendant son exploitation réaliste pour les entreprises de taille moyenne.
MiniMax explique avoir conçu M2 pour répondre à ses propres besoins internes en matière d’agents intelligents, capables de planifier, exécuter et corriger des chaînes d’actions complexes : navigation web, exécution de code Python, recherche documentaire ou automatisation de tâches. L’entreprise affirme que M2 surpasse déjà les modèles occidentaux dans ces scénarios dits agentiques, en combinant vitesse, coût et fiabilité.
Les résultats
Les résultats sur benchmarks confirment cette orientation : 69,4 sur SWE-bench Verified (tâches de codage réelles), 77,2 sur τ²-Bench (utilisation d’outils) et rien moins que 44,0 sur BrowseComp (recherche web).
D’après Artificial Analysis, M2 se distingue surtout par sa maîtrise des outils externes et du raisonnement logique, deux compétences clés pour les agents autonomes. Proposé à 0,3 $ (environ 0,28 €) par million de tokens en entrée et 1,2 $ (environ 1,12 €) en sortie, M2 affiche un coût environ 8 fois inférieur à celui de Claude Sonnet 4.5, tout en offrant des performances comparables sur de nombreux cas d’usage. L’accès API est gratuit pour une durée limitée, le temps pour la communauté de tester le modèle et de l’intégrer dans ses projets.
