社区

这两天不少人都在聊 MiniMax M2.7。

但我看完几篇报道后的第一反应，不是“国产大模型又更新了”，而是另一件事：国内模型公司开始把竞争点，从“谁更会答题”，往“谁更像一个能持续自己改进的执行系统”上推了。

这件事为什么值得写？因为它会直接影响你接下来怎么选模型、怎么配工作流、怎么判断一条 AI 新闻到底是真突破，还是只是换了一层新包装。

如果一句话说结论：M2.7 真正值得关注的，不是参数表，而是它把“模型会不会自己参与迭代”这件事，第一次放到了台前。

先把新闻说清楚：MiniMax 这次到底发了什么

据 IT之家 3 月 18 日报道，MiniMax 发布了新一代 Agent 旗舰大模型 M2.7，并首次公开展示“模型自我进化”路径。官方给出的核心说法有三条：

• 模型不只负责回答问题： 它会被放进更完整的研发链路里，参与数据处理、实验设计、训练调优和评测反馈。

 • 内部研发场景已开始接活： 官方称，在部分研发流程里，M2.7 已能承担约 30%—50% 的工作量。

 • 性能提升不只靠人工调参： 经济参考网 3 月 18 日提到，M2.7 在内部测试中可以连续执行超过 100 轮“分析—改进—验证”的循环，并带来约 30% 的效果提升。

这几句话看着像发布会语言，但翻译成人话，其实就是：MiniMax 想证明，模型不该只是被人使用的工具，还应该开始变成参与优化自己的“系统成员”。

注意，这和过去那种“多了一个插件”“支持更多工具调用”不是一回事。过去很多 Agent 方案，本质还是人搭流程、模型填空。现在 M2.7 想强调的是：模型自己也开始进入“复盘—纠错—再试一次”的闭环。

第一件事：大模型公司卷的重点，已经不是单次回答，而是连续迭代

过去一年，大家最容易被带偏的一个点，就是总盯着模型单轮分数。

某个基准高了 3 分，某项榜单第一了，当然重要。但如果你真把模型放进工作里，会发现更难的问题从来不是“它会不会回答”，而是：

它能不能连续干下去？中途出错会不会自己收回来？能不能在一个复杂任务里越做越接近正确答案？

M2.7 这次最值得关注的地方，就在这儿。

据 IT之家报道，在 SWE-Pro 这个覆盖多种编程语言的评测中，M2.7 的正确率达到 56.22%，追平 GPT-5.3-Codex；在 Repo 级代码生成基准 VIBE-Pro 上，M2.7 得分 55.6%，接近 Claude Code 的 59.4%。这些数字当然重要，但它们真正说明的不是“MiniMax 全面赢了”，而是国产模型已经开始把目标从“聊天像不像”切到“交付像不像”。

说直白点：以后你挑模型，不能只问“它聪不聪明”，还要问“它能不能把一个任务拆开、跑完、改正、再交回来”。

这也是我觉得很多人会误判的地方。现在最值钱的模型能力，正在从“回答能力”转向“执行系统能力”。谁能把模型塞进一个稳定的反馈闭环里，谁才更有机会把 Agent 真正做成产品，而不是演示。

第二件事：所谓“自我进化”，对普通用户最有价值的不是概念，而是成本结构会变

很多公司一说“模型会自我优化”，听起来都很玄。

但如果把它拆开，你会发现这件事最现实的影响，不在哲学层面，而在成本层面。

经济参考网的报道里提到，MiniMax 通过 Agent Harness，让模型参与数据流水线、实验设计、训练调优、日志分析、Bug 排查和指标优化。官方还提到，在部分研发流程中，M2.7 已经能承担 30% 到 50% 的工作量。

这意味着什么？

意味着模型公司未来真正拉开差距的，可能不是“多训练一版”，而是“能不能用模型更快做出下一版”。如果这条路成立，那么一家模型公司的迭代速度、试错成本、研发组织方式，都会跟着变。

对普通团队来说，这会带来两个非常现实的变化：

1、你以后买的可能不只是模型 API，而是一整套会自我提效的工作流能力

以前大家买模型，主要看三件事：价格、速度、回答质量。

接下来还得看第四件事：它有没有被封装进一个可持续优化的执行系统里。

这也是为什么最近国内外发布会都越来越喜欢谈 Agent、工作流、任务执行，而不是只报参数。

2、头部公司的优势会越来越像“组织优势”，不是单点模型优势

如果模型能参与自己的训练和评估，强的公司就不只是模型更强，而是整个研发循环会更快。

这很像一个写作者和一个写作团队的区别。前者可能某一篇写得很好，后者则是能更快复盘、改稿、试标题、调结构，最后持续稳定地产出更好的内容。

模型公司也是一样。真正可怕的，不是某次发布领先半步，而是它把“半步领先”做成一种可以反复发生的机制。

第三件事：今天看 M2.7，别急着下“国产模型反超”这种大结论

这类新闻最容易被写烂的角度，就是“国产模型又站起来了”“行业格局彻底改写了”。

我不太认这种写法。原因很简单：M2.7 值得认真看，但现在还远没到可以轻松下定论的时候。

为什么这么说？

第一，当前很多关键数据仍然主要来自官方口径或报道转述。

比如 30%—50% 的工作量承担比例、100 轮自我优化循环、内部评测提升约 30%，这些都很有吸引力，但它们发生在什么具体任务里、边界条件是什么、能不能稳定复制到外部真实环境，目前公开信息还不够完整。

第二，基准分数接近，不等于实际体验完全接近。

SWE-Pro 和 VIBE-Pro 这样的指标，能帮助我们判断方向，但还不能直接替代真实业务里的体验。尤其是 Agent 场景，最怕的不是第一次做错，而是第二次、第三次还在同一个地方打转。

第三，Agent 时代真正决定成败的，常常不是模型本身，而是产品壳、权限边界、工具集成和反馈机制。

如果这些没打通，再强的模型也可能只是一个“会说很多，但交付不稳定”的高级聊天框。

所以我的判断是：M2.7 代表了一个值得重视的方向，但它更像是“路标”，还不是“终局答案”。

这条新闻，普通团队现在能怎么用

如果你是开发者、产品经理，或者本来就在搭 AI 工作流，我觉得今天更有用的不是争论谁第一，而是马上用这三个问题重新检查自己的模型策略：

1、你现在挑模型，还只看回答效果吗？

如果是，那你的筛选条件已经有点落后了。

从今天开始，至少要补上一条：这个模型在长链任务里，能不能稳定做“拆解—执行—回看—修正”。

2、你的工作流里，有没有给模型留“复盘接口”？

很多团队搭 Agent，最大的问题不是模型不够强，而是流程里没有反馈环。

模型做错了，没有日志；做偏了，没有回滚；做完了，没有二次验证。这样的流程，就算换更贵的模型，也只是把错误做得更快。

3、你有没有把“模型迭代速度”当成一个采购指标？

接下来选供应商，我会越来越看重一件事：它是不是在持续缩短自己的改进周期。

因为 Agent 赛道打到最后，比的不是谁做出一次惊艳 demo，而是谁能让系统每周都更可靠一点。

最后一句

MiniMax M2.7 这次最重要的，不是又出了一个新模型，而是把一件过去只在内部发生的事摆上了台面：模型公司开始公开竞争“谁能让模型参与自己的进化”。

这会让 AI 行业的竞争逻辑，继续从“谁更会回答”变成“谁更会执行、谁更会迭代、谁更能把改进速度制度化”。

如果你是普通用户，这件事会影响你以后怎么选工具；如果你在公司里做 AI 项目，这件事会影响你怎么设计工作流；如果你只是看热闹，也至少要记住：下一轮真正拉开差距的，可能不是参数，而是闭环。

$MINIMAX-WP(00100)$