MiniMax发布M2.7：首个能自主迭代自身模型的AI，Agent能力质变

MiniMax M2.7：首个能自主迭代自身模型的AI，Agent能力实现质变

2026年3月，中国AI公司MiniMax正式发布了其最新旗舰模型——**MiniMax M2.7**。这不仅是一次常规的模型性能迭代，更是AI发展史上的一个重要里程碑：M2.7是迄今为止首个被设计为**深度参与自身模型演化**的大型语言模型，标志着AI系统正式从"被动工具"迈向"主动进化实体"。

自我迭代：AI发展的范式转变

传统AI模型的改进依赖于人类工程师的介入——收集数据、设计实验、调整参数、重新训练。这是一个高度依赖人力的迭代周期，也是AI能力提升速度的瓶颈所在。MiniMax M2.7打破了这一范式。

根据MiniMax官方发布的技术博客，M2.7在自身开发过程中扮演了关键角色：工程团队让模型**自主更新记忆、构建数十个复杂的Agent技能**，并将这些工具用于辅助强化学习实验。更进一步，M2.7还能根据实验结果**主动优化自身的学习流程和工具链**，由此形成了一个真正的模型自演化闭环。

这个闭环的核心逻辑是：M2.7构建并监控自己的强化学习实验台（harness），识别失败轨迹，规划改进方案，修改代码，运行评估，比较结果，最终决定保留还是回滚变更。在一次内部测试中，M2.7在无人干预的情况下，完整执行了超过**100轮**这样的"分析-改进-验证"迭代循环，最终在内部评测集上取得了**30%的性能提升**。

自主Kaggle竞赛：从50%到74%的进化

为了验证M2.7的自主进化能力，MiniMax团队设计了一项颇具挑战性的测试：让M2.7参加OpenAI开源的**MLE-Bench Lite**机器学习竞赛集，包含22个独立的机器学习任务，每个任务均可在单张A30 GPU上运行。

M2.7的表现令人印象深刻。在不依赖任何人工干预的情况下，M2.7通过自设计的三模块Agent系统——**短期记忆、自我反馈、自我优化**——持续提升自身在竞赛中的表现。每轮迭代后，模型生成记忆文件，对当前结果进行自我批判，并为下一轮提供潜在优化方向。

经过24小时的自主迭代，M2.7斩获**9金5银1铜**，平均奖牌获取率从初始的约50%跃升至**近74%**，三次运行的平均奖牌率达到**66.6%**。这一成绩在参与测试的所有模型中排名第三，仅次于Opus-4.6（75.7%）和GPT-5.4（71.2%），与Gemini-3.1（66.6%）持平。

值得注意的是，整个过程无需人工介入——M2.7完全自主地分析竞赛规则、制定策略、调整模型超参数（温度、频率惩罚、存在惩罚等），并在多轮迭代中不断优化自身的Agent工具链架构。

软件工程能力：接近顶尖水准

M2.7在软件工程基准测试上的表现同样令人瞩目。

在覆盖多编程语言、被设计为抗数据污染的**SWE-Pro基准**上，M2.7取得了**56.22%**的得分，与GPT-5.3-Codex（56.8%）不相上下。在更接近真实工程场景的**SWE Multilingual**（76.5）和**Multi SWE Bench**（52.7）上，M2.7展现出更为突出的优势。

在端到端完整项目交付场景**VIBE-Pro**上，M2.7得分**55.6%**，与Anthropic的Claude Opus 4.6基本持平——这意味着无论是Web应用、Android、iOS还是仿真任务，都可以直接交给M2.7独立完成。

在需要深度理解系统工程逻辑的**Terminal Bench 2**上，M2.7取得57.0%的成绩；在**NL2Repo**上得分39.8%。这些数据共同证明，M2.7不仅擅长代码生成，更能深入理解软件系统的运行逻辑和协作机制。

一个典型的实际场景是**生产环境调试**。当面对线上告警时，M2.7能够：关联监控指标与部署时间线进行因果推理，对trace采样进行统计分析并提出精确假设，主动连接数据库验证根因，在代码库中定位缺失的索引迁移文件，甚至在提交merge request之前，先通过非阻塞索引创建来紧急止损。MiniMax报告称，在多次实际生产故障中，使用M2.7将恢复时间缩短至**3分钟以内**。

Agent Teams：原生多智能体协作

M2.7在Agent生态建设方面的另一大突破是对**Agent Teams**（多智能体协作）的原生支持。与通过提示词拼凑的伪多智能体系统不同，M2.7将多智能体协作能力内化为模型的原生能力，具体体现在：

• **角色边界稳定**：在复杂状态机中稳定锚定自身角色身份
• **对抗性推理**：主动挑战队友的逻辑和伦理盲点
• **协议遵从**：在多轮扩展交互中保持稳定的指令遵从率

M2.7在**Toolathon**工具调用基准上取得**46.3%**的准确率，达到全球顶尖水平。在MiniMax自建的**MM Claw**评测集上（覆盖个人学习规划、办公文档处理、专业研究、投资建议、代码开发等真实场景），M2.7以**62.7%**的准确率接近Claude Sonnet 4.6的水准。

更值得关注的是，即便同时激活超过**40个复杂技能**（每个技能描述超过2000 tokens），M2.7仍能保持**97%的技能遵从率**——这在高密度工具调用场景下是极为难得的稳定性。

办公场景：专业文档处理的跃升

在专业办公软件领域，M2.7同样取得了显著进步。在衡量领域专业知识与任务交付能力的**GDPval-AA**评测中，M2.7在45个参赛模型中取得**ELO 1495**的最高分，超越GPT-5.3，仅次于Opus 4.6、Sonnet 4.6和GPT-5.4。

M2.7对Word、Excel、PPT的处理能力经过系统性优化，不仅能基于模板直接生成文件，还能按照用户的交互指令对已有文件进行多轮高保真编辑，最终交付可直接使用的可编辑成品。

在金融分析场景中，M2.7能够：自主阅读公司年报和电话会议纪要，交叉对比多份研究报告，独立设计假设并构建收入预测模型，最后基于模板生成PPT和Word研究报告——"像初级分析师一样理解、判断、产出，并通过多轮交互自我纠错"。MiniMax表示，这一能力已经可以作为实际工作流的一线草稿。

与GPT-4/Claude的横向对比

在主要基准上，M2.7与顶级模型的对比如下：

| 基准测试 | M2.7 | GPT-5.3 Codex | Claude Opus 4.6 | Gemini-3.1 |

|---|---|---|---|---|

| SWE-Pro | 56.22% | 56.8% | ~57% | — |

| VIBE-Pro | 55.6% | — | ~56% | — |

| Terminal Bench 2 | 57.0% | 77.3% | — | — |

| GDPval-AA ELO | 1495 | — | >1495 | — |

| MLE-Bench Lite 奖牌率 | 66.6% | — | 75.7% (Opus) | 66.6% |

| MM Claw | 62.7% | — | ~65% (Sonnet) | — |

总体而言，M2.7在软件工程、多轮Agent任务、办公文档处理等核心场景中已进入行业一流阵营，在部分测试上与GPT-5.3 Codex持平，略逊于Claude Opus 4.6，但考虑到M2.7同时是目前自我迭代能力最强的模型，其综合价值不容低估。

面向未来：递归自我改进的雏形

MiniMax在技术博客中明确表达了对AI未来的判断：未来的AI自我进化将逐步向全自主过渡，协调数据构建、模型训练、推理架构、评估等各环节，无需人类介入。

M2.7是这一愿景的"早期回声"——它尚不能完全自主地训练下一代自身，但已经能够在Agent工具链层面完成大量原本需要人工的迭代工作。在MiniMax内部，M2.7正在驱动RL团队的日常实验流程，承担**30%-50%**的工作负载，同时自主收集反馈、构建评估集、优化自身的技能和记忆机制。

当AI能够参与自身的进化，我们正在进入一个全新的时代。M2.7或许只是一个开始，但这个开始已经足够令人瞩目。

总结

MiniMax M2.7的发布具有多重意义：

1. **技术层面**：首个在产品化模型中实现有意义的自主迭代能力，验证了AI自我改进的可行路径

2. **性能层面**：在软件工程、多智能体协作、专业办公等核心场景中达到行业顶尖水准

3. **生态层面**：原生支持Agent Teams、复杂技能调用、多轮高保真编辑，为Agent应用生态提供了更坚实的基础

4. **战略层面**：标志着AI公司从"模型提供商"向"AI原生组织"的转型——MiniMax自身的研发流程已经高度依赖M2.7

MiniMax M2.7现已在MiniMax Agent平台和API平台全面上线，开发者可通过agent.minimax.io和platform.minimax.io接入使用。