MiniMax 的模型更新节奏不声不响，但 M2.7 这次的变化值得多看两眼。
在 MiniMax 官网的首页轮播里，M2.7 的介绍语从 M2.5 时代的「增强代码和推理」升级成了两句话：
Enable Self-Improvement for Models, with Significant Improvement in Practical Capabilities Compared to M2.5
关键词是「Self-Improvement」——模型自进化。这不是一个简单的版本号+0.2，而是 MiniMax 在模型训练方法上的一个方向性变化。
M2.7 的四个能力维度
从官网信息来看，M2.7 的能力升级覆盖了四个场景：
Agent Harness 能力：支持构建自进化的 Agent harness。这意味着模型可以在运行过程中根据反馈自我调整，而不是每次都要靠人工重新训练或微调。
工程编码能力：官方描述是「A model that truly understands production systems」。这暗示 M2.7 的代码理解不只是「能写代码片段」，而是能理解项目级别的代码结构、依赖关系和工程实践。
办公场景：明确支持复杂的 Excel/Word/PPT 任务和多轮编辑。这个场景定位很务实——不是所有人都需要 Agent 写操作系统内核，但很多人需要 Agent 帮他们改一个复杂的 Excel 公式。
M2.7 vs M2.5：官方直接对标了 M2.5，声称「Practical Capabilities」有显著提升。具体的 benchmark 数据尚未公布。
在国产模型格局中的位置
当前的国产代码能力竞赛中，各家都在找差异化路线：
- 通义千问走开源生态和大规模参数路线
- Kimi 主打长上下文和深度思考
- MiniMax 的路线看起来是Agent harness + 实际工程场景
M2.7 的「Self-Improvement」方向如果跑通了，意味着模型的迭代速度可以部分脱离人工标注和微调的周期——这在成本和时间维度上都有意义。
不过，「自进化」这个词在 AI 行业被用得太泛了。有的公司指的是在线学习，有的指的是基于反馈的 RL 微调，有的只是换个更聪明的 prompt。MiniMax 具体用了什么技术路线，目前官方还没披露。
怎么用
M2.7 已经可以通过 MiniMax API 调用，也可以在 MiniMax Agent 产品中直接体验。API 定价页面显示，MiniMax 提供了 Token 套餐和无限月度计划两种模式。
对于想在国产模型里找一个办公场景能力强的选项的开发者，M2.7 值得和 Qwen、Kimi 做一次横向对比。
主要来源：