文 | 字母 AI体育游戏app平台

总认为 MiniMax 才发布 M2.5，如今 M2.7 就上线了。查了一下，真是只隔了一个月（要知说念，中间还隔了一个春节）。

MiniMax 在官方微信公众号著述中默示：" MiniMax M2.7 是咱们第一个模子深度参与迭代我方的模子。"

这几年，" AI 自我进化"险些依然从一个略带科幻感的说法，变成了行业里默许诞生的地点。

谷歌前 CEO 埃里克 · 施密特（Eric Schmidt）更是追忆，当前依然酿成了一个"硅谷共鸣"：跟着东说念主工智能推贤惠商和悼念系统的发展，它将重塑东说念主类的运作模样。最终咱们将达到所谓的递归式自我改换——届时，系统将以东说念主类无法交融的速率进行学习。

当前，这件事依然被拆解成更具体的工程旅途：用模子生成数据、用模子作念评测，以致让模子参与到代码修改和实验历程里。

模子被放进了一个不错不休试错、不休反馈的轮回系统里。在这个系统中，模子既是施行者，亦然部分决策者，而东说念主更多退到设定见识和界限的位置。

M2.7 此次强调的 Agent Harness，亦然把原来需要多东说念主和洽完成的一整套研发历程，尽可能压缩进一个不错抓续运行的轮回里，让模子去承担其中越来越多的关节。

MiniMax 亮出的 Benchmark 获利也十分亮眼：

这些 benchmark 对应不同的智商维度：SWE Bench 和 VIBE-Pro 更接近确凿的软件工程任务，而 Toolathon 和 MM-ClawBench 则强调模子在复杂历程中的施行智商；比较之下，MLE-Bench 等测试则更偏向算法与究诘智商。

从遵循来看，M2.7 在工程施行类任务中依然插足第一梯队，这少量在几个环节计较上体现得比较彰着。

比如在 SWE Bench Pro 上，它的线路依然接近以致迥殊部分一线模子，这类测试本色上是在确凿代码库中定位问题并完成拓荒，更接近"线上排障"的场景；

而在 VIBE-Pro 这种端到端神情任务中，M2.7 相通处在第一梯队，这意味着它不仅仅会补代码，而是具备从需求到委派完好产出的智商。

另一个比较值得防御的是 MM-ClawBench 这一类 Agent 测试。这里侦查的不是单步智商，而是模子在长历程中的踏实施行智商，能不可在多形态任务中抓续调用器具、保抓险峻文、最终把事情作念完。

M2.7 在这一项上依然接近头部模子，说明它在"能不可把活干完"这件事上，如实依然跨过了一说念门槛。

但若是切换到更偏究诘和复杂推理的任务，比如 MLE-Bench 这一类测试，M2.7 仍有高出空间。这类任务更接近算法工程或科研场景，要求模子具备更强的空洞智商和系统性建模智商，这一部分当前仍然是头部模子的上风区间。

好了，硬核的信息放在一边，拿到 MiniMax M2.7 内测 API 的那一刻，咱们第一反映是："能用它整点什么活？"

把它丢进一个确凿的场景里，看它能不可满足我的需求，这最直不雅，也最接地气。

是以咱们给 M2.7 联想了四场"检会"，难度从低到高，场景从荒唐到严肃：先让它同期上演我爸妈和弟弟在微信群里聊天，再搭一个 Agent Harness 框架让它自主编程（作念一个霓虹灯数字时钟热热身，再从零写一个馋嘴蛇游戏），临了把英伟达的年报甩给它，让它像分析师一样输出究诘讲演、交互式面目盘和演示文稿。

玩了一下昼，只想说：M2.7，你有点东西。

让 AI 同期上演我全家东说念主

咱们作念的第一个测试，灵感开始于每个中国东说念主手机里都有的阿谁东西——眷属微信群。

你知说念的，即是那种群名叫"情投意合一家东说念主"的群，内部弥远有东说念主在转发养生著述，有东说念主在发语音音信，有东说念主在催你成婚，还有东说念主在打游戏不回信信。

这个场景之是以相宜测试 AI，是因为它对"脚色一致性"的要求极高。

群里每个东说念主的语言模样、怜惜点，以致打字民风都彻底不同，而且他们之间还会相互接话、抬杠、拌嘴。

咱们用 M2.7 搭了一个高仿微信界面的网页应用，连手机外壳、气象栏、绿色气泡都作念了出来，致力规复度拉满。一启动我想了许多东说念主设，比如前文提到的爷爷奶奶等。

可是临了我敲定了一家四口，他们差别是：

老李（爸爸），55 岁国企退休干部，秉性焦虑但刀子嘴豆腐心，垂钓狂爱重好者，最恨吃蔬菜尤其是西兰花，语言爱援用名东说念主名言，动不动就"我往常……"

姆妈（王秀英），52 岁社区居委会大妈，超等絮聒但满满都是爱，养生达东说念主兼厨艺妙手，打字猖獗用 emoji，可爱用【】强调要点，三句话之内必催儿子找对象

李小龙（弟弟），24 岁，大学毕业两年了还没找到正经职责，整天在家打原神和王者荣耀，嘴贫爱怼东说念主，满嘴" yyds ""绝绝子"，最怕爸爸说教，一被骂就装恻隐或者转动话题，不时找姐姐借款但从不还。

页面如下：

在我并未属目要求界面具体呈现的情况下，模子复返的联想十分让东说念主赋闲，于是我启动尝试发送第一句话。

发送失败？清爽的是调用 API 失败。于是我让 M2.7 给我查验一下问题所在。

M2.7 很快就发现了 BUG，在拓荒后终于不错对话了，可是……

设定上作为我的父亲，他却不紧闭我，很较着，这是一个东说念主物联想上的 BUG。于是我又让 M2.7 重新编排了一下脚色身份，"我"被设定为家中的长女。

随后，一切正常，这个模拟器终于不错运行了。

天然莫得一上来就梦境开局，可是 Bug 的发现和拓荒都相配丝滑。

M2.7 的脚色上演智商很强。但我想强调的是，多脚色群聊的难度远不啻"给每个脚色设定不同的口吻"这样浅陋。

通过报错的那张图不错看到，关于不同脚色，M2.7 会差别调用模子，而不是说一次生成悉数的对话。

它要求模子同期看护多个脚色的东说念主格气象、交融脚色之间的联系（父女、母女、兄妹、佳偶），况兼让这些联系在对话中天然地碰撞出火花。

一家四口，三个 AI 脚色，每个东说念主都有我方的贯注想和语言民风，还要让他们能和我互动起来。

M2.7 作念到了，而且作念得十分天然。

一句话，从零造一个霓虹灯时钟

第二场启动，我决定上少量强度。

为了测试 M2.7 的 Agent 智商，我专门搭了一个 Agent Harness 测试框架。界面长得像一个深色主题的 IDE：左边是 agent 的想考轨迹面板，及时清爽它每一步在想什么、盘行为念什么。

右边分红三块——任务确立区、凭空文献系统（清爽它创建了哪些文献）和及时预览窗口（平直渲染它写出来的 HTML）。

这个框架给 M2.7 提供了五个器具：write_file（创建 / 写入文献）、read_file（读取文献）、list_files（列出目次）、execute_js（在沙盒里跑 JavaScript）和 finish（文牍任务完成）。

除此以外，什么都莫得。十分于把一个表率员扔进一间空屋子，只给他一台电脑和一个需求。

第一个任务，我让 M2.7 作念一个霓虹灯格调的数字时钟。M2.7 需要交融需求、规划有规划、写代码、我方查验、临了委派。

点击"启动 Agent "之后，M2.7 的 ReAct 轮回启动转了。临了在第 5 轮的时候，M2.7 施行结束敕令，推行上第 4 轮就行了，其时我这里出现了一些网罗波动，导致 M2.7 调用器具失败。

说真话，这个遵循自身并不让咱们至极惊诧。

一个数字时钟关于 2026 年的大模子来说如实不算什么。

确凿让东说念主感到惊喜的，是悉数这个词开发过程相配开通。

从交融需求到规划有规划到写代码到自检到委派，悉数这个词 Agent 职责流跑得应用自如，莫得一步挥霍的操作。这说明 M2.7 对 ReAct 框架的适配十分红熟，它知说念什么时候该想、什么时候该出手、什么时候该收工。

好，热身收场。接下来，不竭上难度。

让 AI 我方写一个馋嘴蛇游戏

时钟毕竟太浅陋了。莫得交互逻辑，莫得气象处罚，莫得界限条目。

我需要一个确凿能磨真金不怕火 Agent 自主推理和调试智商的任务，比如馋嘴蛇。

这回的需求复杂度彻底不在一个量级：Canvas 绘图、键盘事件监听、蛇的迁徙逻辑、食品就地生成、碰撞检测（撞墙和撞我方）、计分系统、游戏收场判定、重新启动功能。

同期我还要求 M2.7 用 Word 纪录下来我方的开发过程。

遵循如下：

在第 1 轮里，M2.7 莫得惊慌写代码，它是先创建了一个规划。"我要开发什么什么任务"，"这个任务需要用到什么器具"等等。

第 2 轮，插足正题。M2.7 会创建一个完好的 HTML 文献，包含悉数功能，包括画布渲染、键盘限度、就地食品生成、计分、碰撞检测以及启动 / 重新启动功能。

第 3 轮，查验文献有莫得被正确创建。

第 4 轮，查验语法，况兼查验游戏的完好性。

第 5 轮，查验悉数任务是否依然完成。

悉数这个词任务只需要 5 轮，共耗尽 25882 个 token。

不外也要说说不及。

悉数这个词过程并不是一帆风顺的—— Agent 在早期的几轮迭代中，JSON 形态的器具调用偶尔会出错，导致框架明白失败，复返一个红色的特殊教导。

M2.7 看到特殊后能自我改换，下一轮就输出了正确形态的 JSON，但这种"先犯错再改"的模式在需要永劫间自主运行的 Agent 场景中是一个隐患——若是运动几轮都形态特殊，可能会耗尽最大轮次限度而任务失败。

但总的来说，从时钟的"一次过"到馋嘴蛇的"写→查→修→再考据"，这两个任务放在一说念看，正值展现了 M2.7 作为 Agent 的两面：面临浅陋任务时的高效利落，和面临复杂任务时的自主调试智商。

这也恰是 M2.7 官方最强调的中枢智商——Agent Harness 智商，不仅能在给定的器具框架中完成任务，还能主动迭代和自我纠错。

第四场：2159 亿好意思元的投行级财报分析

前边三个测试，一个考"说"，两个考"作念"。

临了一个测试，咱们想换个地点。

当今有许多金融行业的东说念主也在使用 Claude Opus 这样的大模子，原因很浅陋，它们能把复杂的数据制作成直不雅的图表体式。

我把英伟达 FY2026 的完好财报数据甩给了 M2.7。

然后我给了它一个任务：基于这些数据，生成三个专科委派物。

第一个是深度究诘讲演，要求投行格调，包含财务全景、五伟业务板块分析、FY2027 量度模子、风险评估和估值分析。

第二个是交互式财务面目盘，要求是蓝绿色格调的深色主题，包含图表、可调理的滑块，以及五个功能标签页。

第三个是 12 页演示文稿，要求投行格调，扶持键盘翻页，包含数据可视化图表。

天然，这里必须老诚地说一句，这个测试的"含金量"需要打个扣头。因为财报数据是我事前征集好喂给它的，而不是让它我方去搜索和整理的。

M2.7 在这个任务中，守法上演了一个"拿到悉数原材料后进行加工和呈现"的分析师，若是咱们让它我方征集数据（这个对当今的模子来说并不难），那它彻底不错上演一个"从零启动作念调研"的究诘员。

但即便如斯，它对复杂金融数据的交融智商、对多种输出形态的阁下智商，以及生成专科级可视化内容的智商，都给咱们留住了深入印象。

这个测试平直对应了 M2.7 官方宣传的复杂 Office 自动化智商——"扶持复杂 Excel/Word/PPT 办公任务及多轮剪辑"。从实测来看，在金融分析这个场景上，M2.7 如实能输出接近专科水准的内容。

写在临了：

还有少量至极想共享，MiniMax 也在作念更多真理的尝试，这少量也令东说念主惊喜。

比如，MiniMax 此次官宣的时候就提到，他们构建了一个 Agent 交互系统 OpenRoom（openroom.ai），它将 AI 互动置入一个万物都可互动的 Web GUI 空间。特兴味的是，原型神情已开源，这内部的代码大部分亦然 AI 写的。

在这里，对话即驱动，及时产生视觉反馈与场景交互，脚色不错主动地与环境交互。MiniMax 但愿大概跟着模子 Agentic 智商的进步和社区的共建抓续进化，探索出更多东说念主与 Agent 之间全新的交互模样。

此次测下来，我最大的感受其实不是"它又变强了"，而是你启动能彰着嗅觉到，一个模子不再仅仅等你发问的器具，而是不错被放进一个系统里抓续运转的搭档。

咱们评测挑选的场景是任何一个正常用户都不错上手用到的，从群聊模拟，到写代码，再到作念分析讲演，这些任务背后其实是归并件事：模子启动参与到一个完好历程里，而不是只平安某一个短暂的输出。

天然，这一步还远远莫得到极端。你依然能看到它在复杂推理、长历程踏实性上的界限，也能看到一些细节上的不踏实，比如器具调用形态特殊、需要多轮修正智力治理。这些问题在"单次对话"里可能不彰着，但放进 Agent 这种永劫间运行的框架里会被放大。

但有少量是比较直不雅的：当模子启动能在一个任务里我方往前鼓舞、我方发现问题、再我方修正的时候，悉数这个词使用体验就变了。模子离"你问一句、它答一句"的形态越来越远，启动和你一说念把一件事作念完。

你的下一个生涯、职责搭子体育游戏app平台，何须是东说念主类？