1 डॉलर प्रति घंटे का एआई कर्मचारी
चीनी कृत्रिम बुद्धिमत्ता स्टार्टअप MiniMax ने ऐसा बदलाव पेश किया है जो उद्यमों में एआई तैनाती की अर्थव्यवस्था को ध्वस्त करने का खतरा पैदा करता है। शंघाई स्थित कंपनी ने M2.5 जारी किया है, जो ऐसा भाषा मॉडल है जिसका प्रदर्शन पश्चिमी देशों के सबसे महंगे सिस्टमों के बराबर है, जबकि इसकी कीमत Claude Opus 4.6 और GPT-5.2 जैसे प्रतिस्पर्धियों की लगभग दसवें से बीसवें हिस्से के बराबर है।
विषय-सूची
यह मॉडल संशोधित MIT लाइसेंस के तहत Hugging Face पर जारी किया गया। यह चीनी एआई घोषणाओं के उस तेज़तर्रार सप्ताह का हिस्सा है जिसने वैश्विक बाजारों को हिलाकर रख दिया और प्रतिस्पर्धा की सीमाएं फिर से तय कर दीं। South China Morning Post के अनुसार, हांगकांग स्टॉक एक्सचेंज में MINIMAX-WP (00100.HK) के नाम से कारोबार करने वाले MiniMax के शेयर घोषणा के बाद 11% से 16% तक चढ़े और HK$680 पर बंद हुए।
MiniMax ने M2.5 को केवल चैटबॉट नहीं, बल्कि स्वायत्त रूप से कोडिंग, शोध और दस्तावेज़ तैयार करने में सक्षम, उत्पादन-स्तर के डिजिटल कर्मचारी के रूप में पेश किया है। कंपनी का दावा है कि यह पहला फ्रंटियर मॉडल है जिसमें लागत की चिंता लगभग खत्म हो जाती है: यह 100 टोकन प्रति सेकंड की रफ्तार से लगातार काम कर सकता है और इसकी कीमत सिर्फ 1 डॉलर प्रति घंटा है। धीमी रफ्तार पर लागत घटकर 0.30 डॉलर प्रति घंटा रह जाती है। इस मूल्य संरचना के चलते चार एआई एजेंटों को पूरे साल लगातार चलाने की लागत लगभग 10,000 डॉलर आती है। तुलनीय पश्चिमी मॉडलों पर यही रकम मुश्किल से एक महीने का खर्च उठाएगी।
फ्रंटियर मॉडलों को चुनौती देते बेंचमार्क
स्वतंत्र मूल्यांकन और MiniMax के अपने परीक्षणों से पता चलता है कि M2.5 कोडिंग मॉडलों के शीर्ष स्तर पर है और भारी कीमत-अंतर के बावजूद Anthropic के Claude Opus 4.6 से बहुत पीछे नहीं है। वास्तविक दुनिया की सॉफ्टवेयर इंजीनियरिंग क्षमता मापने के उद्योग-मानक SWE-Bench Verified पर M2.5 ने 80.2% अंक हासिल किए। यह Opus 4.6 से केवल 0.6 प्रतिशत अंक पीछे, OpenAI के GPT-5.2 के 80% से आगे और Google के Gemini 3 Pro के 78% से ऊपर है।
बहुभाषी कोडिंग परिदृश्यों में मॉडल विशेष रूप से मजबूत है। एक साथ कई कोडबेस समझने की मांग वाले, अलग-अलग रिपॉज़िटरी के प्रोग्रामिंग कार्यों की जांच करने वाले Multi-SWE-Bench पर इसने 51.3% अंक हासिल किए। यह Opus 4.6 के 50.3% से आगे और Gemini 3 Pro के 42.7% से काफी बेहतर है। जटिल फुल-स्टैक विकास कार्यों को परखने वाले आंतरिक VIBE-Pro बेंचमार्क पर M2.5 का प्रदर्शन Opus 4.5 के बराबर है।
कोडिंग के अलावा, M2.5 एजेंट के रूप में असाधारण क्षमताएं दिखाता है। जटिल वेब ब्राउज़िंग और जानकारी खोजने की क्षमता मापने वाले BrowseComp पर इसे 76.3% और कई चरणों में टूल इस्तेमाल करने के लिए Berkeley Function Calling Leaderboard (BFCL) पर 76.8% अंक मिले। BFCL पर यह Opus 4.6 से 13 प्रतिशत अंक से अधिक आगे रहा। तृतीय-पक्ष विश्लेषक फर्म Artificial Analysis ने अपने Intelligence Index में M2.5 को 42 अंक दिए, जो तुलनीय मॉडलों के 25 के औसत से काफी अधिक है। फर्म ने यह भी कहा कि मॉडल 80 टोकन प्रति सेकंड की रफ्तार से काम करता है, जबकि औसत रफ्तार 55 टोकन प्रति सेकंड है।
हालांकि, अलग पद्धति से 48 नए GitHub पुल रिक्वेस्ट पर परीक्षण करने वाली SWE-rebench जनवरी 2026 लीडरबोर्ड पर स्वतंत्र जांच में M2.5 का स्कोर 39.6% रहा, जबकि Claude Code ने 52.9% हासिल किए। इससे संकेत मिलता है कि वास्तविक दुनिया का प्रदर्शन मूल्यांकन के तरीके और कार्यों की नवीनता के आधार पर बदल सकता है।
दक्षता का आर्किटेक्चर
M2.5 की आर्थिक व्यवहार्यता इसके Mixture of Experts (MoE) आर्किटेक्चर से आती है। यह डिज़ाइन सामान्यज्ञ के बजाय विशेषज्ञों से सलाह लेने की प्रक्रिया की नकल करता है। मॉडल में कुल 230 अरब पैरामीटर हैं, लेकिन किसी भी दिए गए कार्य के लिए इनमें से केवल 10 अरब सक्रिय होते हैं। इस चुनिंदा सक्रियता से सिस्टम बड़े मॉडलों जैसी तर्क क्षमता बनाए रखते हुए कहीं छोटे सिस्टमों जैसी गति और लागत पर काम कर पाता है।
इस जटिल आर्किटेक्चर को प्रशिक्षित करने के लिए MiniMax ने Forge बनाया, जो विशेष रूप से एजेंट-आधारित एआई के लिए तैयार किया गया एक स्वामित्वाधीन रीइन्फोर्समेंट लर्निंग फ्रेमवर्क है। मनभावन जवाबों को बेहतर बनाने वाले मानक तरीकों के उलट, Forge मॉडलों को कोड रिपॉज़िटरी, वेब ब्राउज़र और ऑफिस ऐप्लिकेशन समेत लाखों लाइव सिम्युलेटेड परिवेशों में काम पर लगाता है। यह शैलीगत अनुरूपता के बजाय कार्य पूरा करने पर इनाम देता है। प्रशिक्षण नमूनों की बेहतर एसिंक्रोनस शेड्यूलिंग और ट्री-आधारित मर्जिंग रणनीतियों के ज़रिये यह सिस्टम मानक RL तरीकों से लगभग 40 गुना तेज़ प्रशिक्षण हासिल करता है।
MiniMax की इंजीनियर Olive Song ने ThursdAI पॉडकास्ट में बताया कि इस प्रशिक्षण प्रक्रिया के लिए वास्तविक दुनिया के अलग-अलग परिदृश्यों में दो महीने तक गहन काम करना पड़ा। इस दौरान स्थिरता बनाए रखने के लिए टीम ने CISPO (Clipping Importance Sampling Policy Optimization) लागू किया, जो एक गणितीय तरीका है और प्रशिक्षण के दौरान मॉडल को जरूरत से ज्यादा सुधार करने से रोकता है।
"हमें एहसास हुआ कि इस तरह के छोटे मॉडल में काफी संभावनाएं हैं, अगर इसे बड़ी संख्या में परिवेशों और एजेंटों के साथ रीइन्फोर्समेंट लर्निंग के ज़रिये प्रशिक्षित किया जाए। लेकिन ऐसा करना बहुत आसान नहीं है," Song ने कहा। उन्होंने बताया कि टीम ने इस प्रक्रिया को बेहतर बनाने में काफी समय लगाया।
इस पद्धति से वह विकसित हुआ है जिसे MiniMax "Architect Mindset" कहता है। कोड तुरंत तैयार करने के बजाय M2.5 पहले परियोजना की संरचना, सुविधाओं और इंटरफेस की योजना बनाता है और काम शुरू करने से पहले जटिल कार्यों को संभालने लायक हिस्सों में बांटता है। मॉडल को Go, C, C++, TypeScript, Rust, Kotlin, Python, Java, JavaScript, PHP, Lua, Dart और Ruby समेत 10 से अधिक प्रोग्रामिंग भाषाओं और 200,000 से अधिक परिवेशों पर प्रशिक्षित किया गया।
चैटबॉट से डिजिटल कर्मचारी तक
एआई को संवाद के माध्यम से जवाब देने वाले इंटरफेस से स्वायत्त कर्मचारी में बदलना, M2.5 के डिज़ाइन दर्शन का केंद्रीय विचार है। MiniMax ने वित्त, कानून और सामाजिक विज्ञान के वरिष्ठ पेशेवरों के साथ मिलकर मॉडल में उद्योग-विशेष का ऐसा अप्रकट ज्ञान शामिल किया, जिससे यह केवल कच्चा पाठ नहीं, बल्कि काम में इस्तेमाल होने योग्य उत्पाद तैयार कर सके।
यह ध्यान उन व्यावहारिक ऑफिस स्वचालन क्षमताओं में दिखता है जिन्हें ज्यादातर फ्रंटियर मॉडल नज़रअंदाज़ करते हैं। M2.5 Microsoft Word दस्तावेज़ बना और उनमें बदलाव कर सकता है, उचित लेआउट और चार्ट के साथ PowerPoint प्रस्तुतियां तैयार कर सकता है और Excel में जटिल वित्तीय मॉडलिंग कर सकता है। वास्तविक Microsoft Excel World Championship प्रतियोगिता के सवालों पर आधारित MEWC बेंचमार्क पर मॉडल ने 74.4% अंक हासिल किए। GDPval-MM नाम के आंतरिक मूल्यांकन ढांचे पर, जो जोड़ीवार तुलना के ज़रिये तैयार काम की गुणवत्ता और पेशेवर प्रगति दोनों को परखता है, M2.5 ने मुख्यधारा के प्रतिस्पर्धियों के खिलाफ औसतन 59% की जीत दर हासिल की।
MiniMax ने उद्यमों में इस्तेमाल की संभावना परखने के लिए M2.5 को कंपनी के भीतर पहले ही तैनात कर दिया है। कंपनी के बयानों के अनुसार, अब यह शोध और विकास, उत्पाद प्रबंधन, बिक्री, मानव संसाधन और वित्त समेत विभिन्न विभागों के कुल कार्यों में से 30% को स्वायत्त रूप से पूरा करता है। MiniMax के मुख्यालय में कोडिंग के दौरान नया कमिट किए जाने वाले कोड का 80% M2.5 तैयार करता है।
कंपनी ने इन क्षमताओं को MiniMax Agent प्लेटफॉर्म में शामिल किया है, जहां उपयोगकर्ताओं ने ऑफिस कौशल और क्षेत्र-विशेष के उद्योग ज्ञान को मिलाकर 10,000 से अधिक विशिष्ट Experts बनाए हैं। इन सेटअपों से Agent को उद्योग अनुसंधान की स्थापित मानक संचालन प्रक्रियाओं का पालन करने या वित्तीय मॉडलिंग के लिए खास जोखिम नियंत्रण नियम अपनाने की सुविधा मिलती है; यह केवल कच्चा पाठ तैयार करने तक सीमित नहीं है।
यह मॉडल Web, Android, iOS और Windows प्लेटफॉर्म पर फुल-स्टैक विकास कर सकता है। यह केवल फ्रंट-एंड डेमो तैयार करने के बजाय सर्वर-साइड API, कारोबारी तर्क और डेटाबेस भी संभालता है। यह क्षमता सॉफ्टवेयर के पूरे जीवनचक्र में काम आती है: शुरुआती सिस्टम डिज़ाइन से लेकर सुविधाओं में सुधार, व्यापक कोड समीक्षा और परीक्षण तक।
लगातार संचालन की अर्थव्यवस्था
MiniMax API के दो ऐसे संस्करण पेश करता है जिनकी क्षमता एक जैसी है, लेकिन काम की गति अलग है। M2.5-Lightning 100 टोकन प्रति सेकंड की रफ्तार से चलता है। इसकी कीमत प्रति दस लाख इनपुट टोकन 0.30 डॉलर और प्रति दस लाख आउटपुट टोकन 2.40 डॉलर है। सामान्य M2.5 इसकी आधी रफ्तार (50 टोकन प्रति सेकंड) पर चलता है और इसकी लागत भी आधी है: प्रति दस लाख इनपुट टोकन 0.15 डॉलर और प्रति दस लाख आउटपुट टोकन 1.20 डॉलर।
इन आंकड़ों को समझने के लिए, M2.5 के चार एजेंट इंस्टेंस पूरे साल लगातार चलाने की लागत लगभग 10,000 डॉलर है। इसकी तुलना में Claude Opus 4.6 प्रति दस लाख आउटपुट टोकन के लिए लगभग 75 डॉलर लेता है, जिससे ज्यादातर संगठनों के लिए इसी तरह लगातार संचालन करना आर्थिक रूप से मुश्किल हो जाता है। केवल आउटपुट की कीमत देखें तो M2.5, Opus, Gemini 3 Pro और GPT-5 की तुलना में दसवें से बीसवें हिस्से जितना महंगा है।
अलग-अलग कार्यों की लागत देखें तो यह अंतर साफ दिखता है। ThursdAI पॉडकास्ट के मेज़बान Alex Volkov ने बताया कि M2.5 लगभग 0.15 डॉलर के टोकन खर्च में SWE-Bench के कार्य पूरे कर लेता है, जबकि उतने ही काम के लिए Claude Opus 4.6 को करीब 3 डॉलर के टोकन लगते हैं। लागत में 95% की यह कमी प्रॉम्प्ट बेहतर करने और टोकन इस्तेमाल घटाने का पारंपरिक दबाव खत्म करती है। इससे डेवलपर रोजमर्रा के उन कामों के लिए भी अधिक संदर्भ और गहन तर्क वाले मॉडल तैनात कर सकते हैं जिन्हें पहले सस्ते, लेकिन कम सक्षम सिस्टमों को सौंपा जाता था।
दोनों API संस्करण कैशिंग का समर्थन करते हैं, जिससे बार-बार किए जाने वाले कामों की लागत और घटती है। संशोधित MIT लाइसेंस के तहत व्यावसायिक उपयोगकर्ताओं को अपने यूज़र इंटरफेस में "MiniMax M2.5" प्रमुखता से दिखाना होगा। आर्थिक फायदे देखते हुए यह एक मामूली शर्त है। 100 टोकन प्रति सेकंड की रफ्तार से लगातार सामग्री तैयार करने पर हर घंटे 360,000 आउटपुट टोकन बनते हैं, जिनकी लागत इनपुट खर्च के अलावा लगभग 0.86 डॉलर होती है।
गति में सुधार से लागत का लाभ और बढ़ता है। M2.5 अपने पिछले संस्करण M2.1 की तुलना में शुरू से अंत तक के कार्य 37% तेज़ी से पूरे करता है। SWE-Bench Verified पर काम पूरा करने का समय 31.3 मिनट से घटकर 22.8 मिनट हो गया है। यह Claude Opus 4.6 के 22.9 मिनट के बराबर है, जबकि प्रति कार्य लागत सिर्फ 10% है।
बाज़ार का परिदृश्य और प्रतिस्पर्धी दबाव
M2.5 की रिलीज़ चीनी कृत्रिम बुद्धिमत्ता के लिए उतार-चढ़ाव भरे सप्ताह के बीच आई है, जब देश की कई कंपनियों ने प्रतिस्पर्धी मॉडल पेश किए। Zhipu AI ने GLM-5 लॉन्च किया, जिसने Artificial Analysis Intelligence Index पर Google के Gemini 3 Pro को पीछे छोड़ दिया। Alibaba ने रोबोटिक्स अनुप्रयोगों के लिए RynnBrain पेश किया, ByteDance ने वीडियो निर्माण के लिए Seedance 2.0 जारी किया और Kuaishou ने Kling 3.0 पेश किया। MiniMax और Zhipu AI, दोनों के शेयरों में दो अंकों की बढ़त दर्ज हुई; हांगकांग में Zhipu AI के शेयर 30% चढ़े।
इन तेज़ी से हो रही रिलीज़ों ने चीन और अमेरिका के बीच एआई अंतर को लेकर हालिया आकलनों को चुनौती दी है। Google DeepMind के प्रमुख Demis Hassabis ने पहले अनुमान लगाया था कि चीनी मॉडल पश्चिमी पेशकशों से कुछ ही महीने पीछे हैं। लेकिन ठीक एक सप्ताह पहले जारी Claude Opus 4.6 के लगभग बराबर M2.5 का प्रदर्शन बताता है कि यह अंतर सिमटकर कुछ दिनों का रह गया है। SWE-rebench जनवरी 2026 के नतीजों में नए पुल रिक्वेस्ट पर Claude Opus 4.6 को 51.7%, GPT-5.2 को 51.0% और MiniMax M2.5 को 39.6% मिले। इससे पता चलता है कि सबसे नए कोड पर पश्चिमी मॉडल अब भी आगे हैं, हालांकि यह अंतर लगातार घट रहा है।
प्रतिस्पर्धा के असर बेंचमार्क से आगे तक जाते हैं। MiniMax की मूल्य निर्धारण रणनीति पश्चिमी एआई प्रयोगशालाओं पर लगातार दबाव डालती है, जिनके कारोबार प्रीमियम API दरों पर आधारित हैं। जब बुद्धिमत्ता, MiniMax के शब्दों में, "मीटर से मापने लायक भी नहीं रह जाती", तो उद्योग दुर्लभता की अर्थव्यवस्था से मात्रा की अर्थव्यवस्था की ओर बढ़ता है। इससे स्थापित कंपनियों के राजस्व मॉडल प्रभावित हो सकते हैं।
तकनीकी नेतृत्वकर्ताओं के लिए M2.5 तत्काल परिचालन लाभ देता है। पिछले संस्करण से 37% अधिक गति के चलते ऐसे रियल-टाइम एजेंट आधारित पाइपलाइन संभव होते हैं जिनमें मॉडल बिना देरी की अड़चन के दूसरे मॉडलों के साथ काम करते हैं। संगठन अब स्वयं होस्ट किए गए ओपन-वेट परिनियोजन के ज़रिये डेटा की गोपनीयता बनाए रखते हुए बड़े पैमाने पर स्वचालित कोड ऑडिट कर सकते हैं।
मुख्य बातें
- MiniMax M2.5 ने SWE-Bench Verified पर 80.2% अंक हासिल किए। इसका प्रदर्शन Claude Opus 4.6 के बराबर है, जबकि लागत उसके दसवें से बीसवें हिस्से के बराबर है
- API के दो संस्करण उपलब्ध हैं: Standard की कीमत प्रति दस लाख टोकन 0.15/1.20 डॉलर (50 TPS) और Lightning की 0.30/2.40 डॉलर (100 TPS) है
- 230 अरब पैरामीटर वाले MoE आर्किटेक्चर में हर कार्य के लिए केवल 10 अरब पैरामीटर सक्रिय होते हैं, जिससे गणना का बोझ घटता है
- स्वामित्वाधीन Forge RL फ्रेमवर्क के ज़रिये 200,000 से अधिक वास्तविक दुनिया के परिवेशों में प्रशिक्षण दिया गया; स्थिरता के लिए CISPO एल्गोरिदम का इस्तेमाल हुआ
- स्वायत्त फुल-स्टैक विकास, ऑफिस दस्तावेज़ (Word, Excel, PowerPoint) तैयार करने और जटिल वित्तीय मॉडलिंग में सक्षम
- MiniMax में फिलहाल आंतरिक रूप से तैनात; कंपनी के 30% कार्य पूरे करता है और नया कोड तैयार करने में इसकी हिस्सेदारी 80% है
- Hugging Face पर ओपन-वेट मॉडल के रूप में संशोधित MIT लाइसेंस के तहत जारी; व्यावसायिक उपयोग में श्रेय देना आवश्यक
- घोषणा के बाद हांगकांग स्टॉक एक्सचेंज में कंपनी के शेयर (MINIMAX-WP, 00100.HK) 11% से 16% तक चढ़े
