중국 스타트업 MiniMax의 M2가 오픈소스 AI 모델 중 1위

(퍼플렉시티가 정리한 기사)

중국 AI 스타트업 MiniMax는 월요일에 M2 언어 모델을 출시하여 Artificial Analysis의 Intelligence Index에서 오픈소스 모델 중 최고 점수를 달성했으며, OpenAI와 Anthropic의 독점 시스템에 대한 강력한 경쟁자로 자리매김했습니다.​

이 모델은 종합 벤치마크에서 61점을 기록하여 GPT-5, Grok 4, Claude Sonnet 4.5에 이어 전 세계 5위를 차지했습니다. MiniMax M2는 60점을 기록한 Google DeepMind의 Gemini 2.5 Pro를 앞질렀으며, 이는 중국 오픈소스 AI 생태계에 있어 중요한 성과입니다.​

효율적인 아키텍처가 성능을 강화합니다

MiniMax M2는 총 2,300억 개의 매개변수를 가진 Mixture-of-Experts (MoE) 아키텍처를 채택하지만, 추론 시에는 100억 개만 활성화하여 탁월한 효율성을 제공합니다. Artificial Analysis에 따르면 "매개변수의 일부만 사용함으로써 모델이 대규모에서 효율적으로 작동할 수 있게 되었습니다". 이는 370억 개의 활성 매개변수를 사용하는 DeepSeek의 V3.2 및 320억 개를 사용하는 Moonshot AI의 Kimi K2와 같은 경쟁 모델들과 비교해 유리합니다.​

이러한 희소 설계는 FP8 정밀도로 단 4개의 NVIDIA H100 GPU만으로 배포를 가능하게 하여 중견 조직들도 접근할 수 있게 합니다. 컴팩트한 활성 풋프린트에도 불구하고, M2는 초당 약 100개의 토큰이라는 추론 속도를 제공하며—이는 Claude Sonnet 4.5와 같은 경쟁 모델의 약 두 배에 해당합니다.​

코딩과 에이전트 작업이 탁월함을 이끕니다

MiniMax M2는 특히 에이전트 워크플로우와 코딩 애플리케이션에서 뛰어난 성능을 보이며, 이는 기업들이 점점 더 우선시하는 영역입니다. 이 모델은 전문 벤치마크에서 주목할 만한 점수를 달성했습니다: 실제 코딩 작업을 위한 SWE-bench Verified에서 69.4점, 도구 사용을 위한 τ²-Bench에서 77.2점, 웹 연구 능력을 위한 BrowseComp에서 44.0점을 기록했습니다.​

Artificial Analysis는 "모델의 강점은 도구 사용과 지시 사항 따르기를 포함한다"고 언급하며, M2가 일반화된 작업보다 실용적인 애플리케이션에 중점을 둔다는 점을 강조했습니다. 개발자들의 독립적인 테스트에서 M2는 혼합 작업에서 약 95%의 정확도를 달성한 반면, GPT-4o는 90%, Claude 3.5는 88-89%를 기록했습니다.​

독일 트리어 대학교의 박사과정 학생이자 오픈 모델 전문가인 Florian Brand는 "그들의 진전에 정말 감명받았다"고 언급하며, MiniMax의 이전 M1 모델 대비 상당한 개선을 강조했습니다.​

MiniMax는 입력 토큰 백만 개당 $0.3, 출력 토큰 백만 개당 $1.2로 모델을 제공하여 경쟁력 있는 성능을 유지하면서도 Claude Sonnet 4.5 비용의 단 8%에 해당합니다. 이 모델은 Hugging Face와 GitHub에서 MIT 라이선스로 제공되며, API 액세스는 현재 제한된 기간 동안 무료로 이용할 수 있습니다.