MiniMax-M2.5-NVFP4

该模型属于 MiniMax M2.5 系列在 NVIDIA 侧的量化发布分支，命名中的 NVFP4 指向低比特浮点权重格式，目标是把体量不小的文本模型压进更现实的显存预算。它解决的是部署门槛问题而非能力扩展：权重开源、可自行获取，团队能用自己的显卡跑起一套不依赖外部接口的中文与代码文本推理服务。发布信息相对克制，能力项未标注、官方价格未公开、本站收录平台数为 0，参数量与上下文长度也未随发布给出。因此它更接近一份面向工程侧的权重交付物，而不是带完整评测与服务承诺的商用 API 产品。选型时应把它当作可自托管的文本模型来看，先验证量化后的精度是否满足业务阈值，再讨论规模化。

选型建议需要开源权重、能自建推理且只做文本任务时值得评估；要求托管调用、多模态能力或明确报价与跑分背书的场景不适合。

• 在自有 GPU 上部署量化版 MiniMax M2.5，搭建内部文本推理服务
• 为中文写作、摘要、改写类工具提供本地化推理后端
• 对代码补全与脚本生成任务做私有化部署验证
• 评估 NVFP4 量化对既有 MiniMax 工作流的精度影响
• 在数据不出内网的约束下构建离线文本处理管线

沿用 MiniMax M2.5 的文本主干，由 NVIDIA 转换为 NVFP4 低比特浮点权重后开源发布，具体层数与参数量未见官方披露。

• 结构核心计算图来自 MiniMax M2.5，NVIDIA 侧主要工作是权重格式转换与量化适配，任务边界未变。
• 能力仅支持文本输入与文本输出，不含图像、音频、视频通道，多模态需求需另选模型。
• 披露许可证标注为 other，参数量、上下文长度等关键规格未随发布给出，接入前需查阅权重仓库附带条款。

开源权重

是

许可证

other

本站未收录该模型的第三方跑分与能力标注，效果判断只能依赖量化前后的定性差异与自测结果。

• 强项低比特量化通常带来更小显存占用与更高吞吐，单卡或小规模集群跑同类文本模型的成本更可控。
• 短板量化可能引入精度损失，长上下文与细粒度推理任务上的稳定性缺少公开验证数据支撑。
• 适合对成本敏感、能自建推理栈、以文本问答与代码辅助为主的团队，而非追求开箱即用托管的场景。

官方价格未公开，收录平台数为 0，当前没有可引用的按 token 计价报价。

• 定位官方价格未公开、收录平台数为 0，短期不具备公开单价，难以按调用量直接估算成本。
• 横向对比同类 Nemotron 系列已给出输入与输出单价，本模型缺少价格字段，价差无法换算，只能定性比较。
• 平台差价目前没有第三方平台提供该模型的托管调用，跨平台比价无从谈起，只能走自建路径。
• 省钱自建推理的成本主要落在 GPU 采购与运维，长尾低频调用未必比按量付费更划算，需按并发量测算。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未收录第三方跑分，能力项亦未标注，任何效果结论应以自有数据实测为准，不宜引用外部榜单替代。
• 边界纯文本单模态，许可证为 other，商用与再分发条件须逐条核对权重附带的许可文本。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。