MiniMax-M2.7

MiniMax-M2.7是MiniMax于2026年3月18日发布的旗舰大语言模型，主打模型自我进化与工程/办公生产力，是业内首个深度参与自身训练迭代的大模型。

一、核心基础信息

• 发布时间：2026-03-18

• 模型架构：MoE（混合专家）

• 参数规模：总参数230B，激活参数约100B

• 上下文窗口：200K tokens

• 开源状态：闭源，通过API与Agent产品开放

二、核心创新：模型自我进化

M2.7最大突破是自主参与训练迭代，构建Agent Harness体系，可自行完成：

• 设计强化学习流程、构建数十个复杂Skills

• 分析日志、排查Bug、运行评测、优化参数

• 连续100+轮自主迭代，零人工干预，性能提升约30%

• 部分研发场景可承担30%–50%工作量

三、核心能力与评测表现

1. 软件工程（最强项）

• SWE-bench Pro：56.22%，接近Claude Opus 4.6、GPT-5.3-Codex水平

• VIBE-Pro（端到端项目）：55.6%

• Terminal Bench 2（复杂系统理解）：57.0%

• 线上故障修复：部分场景可缩短至3分钟内

• 能力覆盖：全栈开发、系统调试、代码安全、生产级故障分析

2. 多智能体（Agent）能力

• 原生支持Agent Teams多角色协作

• Toolathon（工具调用）：46.3%，全球第一梯队

• 复杂指令遵循率：97%（40个2000+token长技能）

• OpenClaw适配：MM-Claw 62.7%，接近Sonnet 4.6

3. 办公与专业生产力

• GDPval-AA（办公能力）：ELO 1495，开源模型最高

• Office处理：Word/Excel/PPT高保真多轮编辑，适配专业办公

• 综合评测：XSCT Arena 84.5，较M2.5提升约1.7分

四、典型应用场景

• 研发工程：端到端项目交付、Bug排查、系统运维、代码安全

• 企业办公：文档自动化、报告生成、数据建模、演示制作

• 多Agent系统：团队式AI协作、复杂流程自动化、决策辅助

• 垂直行业：金融研报分析、专业内容生成、沉浸式交互（OpenRoom）

五、与前代（M2.5）对比

• 优势：自我进化、工程能力、Agent协作、办公生产力显著提升

• 不足：极限推理与数学稳定性略有下降