模型介绍

MiniMax-M2.7 是 MiniMax 推出的首个深度参与自身演化的模型。该模型能够构建复杂的智能体框架，并借助智能体团队（Agent Teams）、复杂技能（Skills）和动态工具搜索能力，完成高度精细的生产力任务。

模型特性

• 模型自我演化

  M2.7 开启了模型自我演化的循环：在开发过程中，模型自主更新其记忆，为强化学习实验构建数十种复杂技能，并根据实验结果改进自身的学习过程。M2.7 的一个内部版本在超过 100 轮迭代中自主优化了一个编程框架——分析失败轨迹、修改代码、运行评估，并决定保留或回滚修改——最终实现了 30% 的性能提升。在 MLE Bench Lite（22 个机器学习竞赛）上，M2.7 取得了 66.6% 的奖牌率，仅次于 Opus-4.6 和 GPT-5.4。

• 专业级软件工程能力

  M2.7 在日志分析、故障排查、代码重构、代码安全和机器学习等实际编程任务中展现出卓越能力。除了代码生成外，M2.7 还具备强大的系统级推理能力——能够关联监控指标、进行追踪分析、在数据库中验证根本原因，并做出 SRE 级别的决策。

• 专业办公场景

  M2.7 在 GDPval-AA 基准测试中取得了 1495 的 ELO 分数（在开源模型中最高），超越 GPT5.3。它能高保真地处理 Word、Excel 和 PPT 的多轮编辑，生成可直接编辑的交付成果。在 Toolathon 测试中，M2.7 达到了 46.3% 的准确率（全球顶尖水平），并在 MM Claw 的 40 多项复杂技能测试中保持 97% 的技能合规率。在 MM Claw 端到端基准测试中，M2.7 取得了 62.7% 的成绩，接近 Sonnet 4.6。

• 娱乐场景

  M2.7 强化了角色一致性和情感智能。开源了 OpenRoom，这是一个交互式演示，将 AI 交互置于 Web GUI 空间中，提供实时视觉反馈和场景互动。

API调用

1. 服务部署成功后，可在服务列表查看调用信息

2. 调用示例

1curl -X POST "<访问地址>/v1/chat/completions" \
2-H "Content-Type: application/json" \
3-H "Authorization: Bearer <TOKEN>" \
4-d '{
5    "model": "MiniMax-M2.7",
6    "messages": [{"role": "system", "content": "你是一名天文学家,请回答用户提出的问题。"}, {"role": "user", "content": "人类是否能登上火星?"}],
7    "max_tokens": 1024,
8    "temperature": 0.7
9}'