MiniMax 开源 M2.7：首个深度参与“自我进化”的开源大模型

MiniMax 正式宣布开源其最新旗舰模型 M2.7。这不仅是一次参数的升级，更标志着 AI 模型从“被动执行者”向“主动进化者”的范式转变。M2.7 被设计为能够深度参与自身的训练与优化流程，具备构建复杂 Agent 框架、完成高难度生产力任务以及通过反馈循环实现自我进化的能力。

• Huggingface：https://huggingface.co/MiniMaxAI/MiniMax-M2.7
• MiniMax API：https://platform.minimax.io/docs/guides/models-intro
• 官方介绍：https://www.minimax.io/news/minimax-m27-en

核心突破：自我进化的闭环

M2.7 最引人注目的特性是其自主优化能力。它不再仅仅依赖人类工程师的手动调优，而是能够内部构建评估集、收集反馈，并迭代优化自身的架构、技能和记忆机制。

• 自主迭代循环：在内部编程能力优化实验中，M2.7 自主运行了超过 100 轮 “分析失败 → 计划更改 → 修改代码 → 运行评估” 的循环。
• 显著性能提升：通过自动搜索最优采样参数（如 temperature, penalty）、设计更具体的工作流指南以及添加循环检测，M2.7 在内部测试中实现了 30% 的性能提升。
• 低资源竞赛表现：在 OpenAI 开源的 MLE Bench Lite（22个机器学习竞赛）中，M2.7 经过24小时自主迭代，平均奖牌率达到 66.6%，与 Gemini-3.1 持平，仅次于 Opus-4.6 和 GPT-5.4。

软件工程：SOTA 级别的编码与系统理解

M2.7 在真实世界的软件工程场景中表现出接近顶级闭源模型的水平，不仅擅长写代码，更擅长理解系统和解决生产问题。

关键基准测试成绩

生产级调试能力

M2.7 具备 SRE（站点可靠性工程）级别的推理能力：

• 因果推理：能将监控指标与部署时间线关联，提出精确假设。
• 主动验证：自动连接数据库验证根本原因，定位缺失的索引迁移文件。
• 快速止血：在提交 MR 前使用非阻塞索引创建，多次将生产事件恢复时间缩短至 3分钟以内。

原生 Agent Teams

M2.7 原生支持多智能体协作，具备角色边界感、对抗性推理能力和协议遵守意识，无需复杂的提示工程即可稳定运行包含产品经理、开发、测试在内的最小化原型团队。

专业办公：金融分析与文档处理专家

M2.7 在专业办公领域同样表现出色，特别是在需要深度领域知识和复杂工具调用的场景。

• GDPval-AA 排名：ELO 得分 1495，在开源模型中排名第一，超越 GPT-5.3，仅次于 Opus 4.6 和 Sonnet 4.6。
• 高保真文档编辑：支持 Word、Excel、PPT 的多轮交互式编辑，保持极高的指令遵循率（在处理40+复杂技能时达 97%）。
• 金融分析师案例：
  • 任务：基于台积电（TSMC）年报和财报电话会议记录，构建收入预测模型并生成研报。
  • 能力：自主阅读多份报告，交叉参考数据，独立设计假设，构建模型，并最终输出符合专业标准的 PPT 和 Word 研报初稿。

娱乐与交互：OpenRoom 可视化系统

为了探索 AI 在娱乐和情感陪伴领域的潜力，MiniMax 同步开源了 OpenRoom —— 一个基于 Agent Harness 的交互式 Web GUI 系统。

• 超越文本：将 AI 交互从纯文本流解放出来，放入可视化的 Web 空间。
• 实时反馈：对话驱动场景变化，角色主动与环境互动，提供实时的视觉反馈。
• 高情商与一致性：M2.7 增强了人物一致性设定，使其能像朋友一样与用户进行长期、稳定的情感交互。
• 开源 Demo：初始 Demo 代码大部分由 AI 编写，社区可在此基础上扩展新的交互玩法。