基于与同期 GLM-4.7 的评测数据对比，M2.1 (MiniMax M2.1 Preview) 在架构策略上呈现出显著的“高能效比”特征。从模型规格来看，M2.1 的激活参数量为 100（GLM-4.7 为 320），更轻量化的计算负载直接反映在 API 定价上，其输入输出成本约为对比机型的 50%。
在具体能力维度上，M2.1 表现出明显的差异化分布：
- 优势领域：在衡量综合知识广度与推理的 MMLU Pro 基准中，M2.1 取得了 88.00 的高分，优于 GLM-4.7 的 84.30；同时在 SWE-bench Verified 软件工程评测中，以 74.00 的得分与对手（73.80）持平并微幅领先，表明其在处理通用任务及工程代码方面具有极高的成熟度。
- 差异与短板：在理科深度推理方面，M2.1 与更大参数模型存在客观差距。其 AIME 2025（数学）得分为 81.00，明显低于 GLM-4.7 的 95.70；在 GPQA Diamond（专家级科学问答）中也以 4.7 分的差距落后。
M2.1 并非全方位超越的旗舰，而是一款针对性极强的模型。它牺牲了部分极端复杂的数理推理上限，换取了在通用知识和代码任务上与顶尖模型持平的能力，并提供了更低的推理成本。对于非科研类的商业应用和工程开发场景，M2.1 展示了更高的数据性价比。
