核心要点
- 最小 Tier-1 模型：仅 10B 活跃参数，SWE-bench Pro 56.22%、SWE-bench Verified 78%，媲美 Opus 级别性能
- 自进化能力：业界首个深度参与自身训练进化的模型，自主完成 30-50% 的强化学习开发流程
- 原生多智能体：内建 Agent Teams 协作能力，支持 40+ 复杂技能，技能遵循率达 97%
- 极致性价比：输入 $0.30 / 输出 $1.20 每百万 tokens，约为同级竞品的 1/50
- 双版本可选：标准版和 highspeed 版输出质量完全一致，highspeed 速度约 100 TPS
背景介绍
2026 年 3 月 18 日，MiniMax 正式发布 M2.7 系列模型。M2.7 被称为「最小的 Tier-1 模型」，仅用 10B 活跃参数就在多项权威评测中达到了与 Claude Opus 4.6、GPT-5.3 Codex 等顶级模型相当的水平。 M2.7 最大的亮点是其「自进化」能力——它能自主触发日志分析、调试和指标评估，独立完成 30-50% 的自身强化学习开发流程，包括分析自身失败案例、重写部分代码、执行评估并决定保留或丢弃结果。 API易已上架 M2.7 和 M2.7-highspeed 两个版本，按量付费 Chat 类型。详细解析
核心特性
自进化模型
业界首个深度参与自身训练的模型，自主处理 30-50% 的 RL 开发流程
原生多智能体
内建 Agent Teams 协作，角色边界、对抗推理、协议遵循均为内化能力
极小参数量
仅 10B 活跃参数达到 Tier-1 水准，效率极高
超强工具交互
管理 40+ 复杂技能（每个超 2000 tokens），遵循率 97%
性能评测
| 评测基准 | M2.7 得分 | 说明 |
|---|---|---|
| SWE-bench Pro | 56.22% | 接近 Opus 级别 |
| SWE-bench Verified | 78% | 软件工程能力强劲 |
| VIBE-Pro | 55.6% | 端到端项目交付 |
| Terminal Bench 2 | 57.0% | 复杂工程系统 |
| MM Claw | 62.7% | 智能体任务 |
| MLE Bench Lite | 66.6% | ML 竞赛获奖率 |
| 技能遵循率 | 97% | 40+ 复杂技能 |
M2.7 vs M2.7-highspeed
两个版本输出质量完全相同，区别仅在速度和价格：| 对比项 | M2.7 标准版 | M2.7-highspeed |
|---|---|---|
| 输出质量 | 完全一致 | 完全一致 |
| 速度 | ~60 TPS | ~100 TPS |
| 上下文窗口 | 204,800 tokens | 204,800 tokens |
| 适用场景 | 预算优先 | 延迟敏感的生产环境 |
技术规格
- 上下文窗口：204,800 tokens（约 205K）
- 最大输出：131,072 tokens
- 推理能力：支持
<think>标签强制推理 - 架构：MoE 混合专家架构
价格与可用性
| 模型 | 提示价格 | 补全价格 | 计费类型 |
|---|---|---|---|
| MiniMax-M2.7 | $0.30 / 1M tokens | $1.20 / 1M tokens | 按量付费 - Chat |
| MiniMax-M2.7-highspeed | $0.60 / 1M tokens | $2.40 / 1M tokens | 按量付费 - Chat |
M2.7-highspeed 速度约为标准版的 1.7 倍，适合对延迟敏感的生产场景。两个版本智能水平完全一致，可根据实际需求选择。
总结与建议
MiniMax-M2.7 以仅 10B 活跃参数实现了 Tier-1 级别的性能表现，堪称「以小博大」的典范。其自进化能力和原生多智能体协作是独特亮点，在软件工程、工具调用和复杂工作流编排方面表现出色。 推荐场景：- 需要高智能但预算有限的开发者
- 智能体 / Agent 工作流和多步任务
- 软件工程辅助和代码生成
- 需要强工具调用能力的生产环境