3月18日，国内AI公司MiniMax正式发布新一代模型M2.7。相较于此前M2系列，M2.7的核心突破不再局限于性能提升，而是提出了一个更具范式意义的方向——“模型自我进化”，即让模型深度参与自身的训练、优化与迭代过程，推动AI从被动执行走向主动演化。
据介绍，M2.7构建了一套以Agent为核心的自我进化系统。在该体系中，模型不仅承担生成与推理任务，还通过构建复杂的Agent Harness（智能体执行框架），参与数据处理、实验设计、训练调优与评测反馈等完整研发流程。换言之，模型开始成为模型研发流程的一部分，而非单一工具。
具体实践中，MiniMax将M2系列早期版本引导为一个研究型Agent，可与不同项目组协同工作，覆盖数据流水线、训练环境、评测体系以及跨团队协作。以强化学习（RL）场景为例，Agent能够从实验设想出发，通过与研究员讨论，协助研究员完成文献调研、实验设计、任务执行，并在过程中自动进行日志分析、Bug排查、指标优化和代码修复，显著降低人工介入频率。官方数据显示，在部分研发流程中，M2.7已可承担30%至50%的工作量。
更具突破性的是，M2.7具备“自我优化闭环”。在内部测试中，模型可连续执行超过100轮“分析—改进—验证”的循环，自主调整采样参数、优化工作流策略，并在内部评测集中实现约30%的效果提升。这种能力意味着，模型不再完全依赖人工调参，而是具备一定程度的“自主进化能力”。
在具体能力表现上，M2.7继续强化其在软件工程领域的优势。在SWE-bench Pro测试中，其正确率达到56.22%，接近国际顶级模型水平；在更贴近真实场景的VIBE-Pro与Terminal Bench 2测试中，分别取得55.6%和57.0%的成绩，体现出其在端到端项目交付和复杂系统理解上的能力。MiniMax表示，基于M2.7，部分线上生产系统故障的修复时间已可缩短至3分钟以内。
在真实的软件工程中，模型能够深入理解真实工程语境。在线上生产环境故障调试等常见工程环境中，M2.7不仅能够生成代码，还能结合监控指标、部署时间线进行因果分析，甚至主动连接数据库验证假设，并提出工程级解决方案。这标志着AI编程正从“代码生成”向“系统级工程协同”演进。
值得关注的是，M2.7强化了“多智能体协作”（Agent Teams）能力。在这一模式下，模型需同时承担多个角色，进行对抗性推理与协同决策。这对模型的身份保持、逻辑一致性与协议遵循提出更高要求，也被视为Agent应用从单点能力走向复杂系统的重要标志。
与此同时，MiniMax也在探索Agent的“非生产力边界”。通过增强模型的人设保持与情感交互能力，M2.7开始具备更强的互动属性，并支撑起MiniMax最新推出的互动娱乐产品OpenRoom，将AI交互延伸至沉浸式Web环境，探索“对话即界面”的新交互范式。
随着OpenClaw等Agent框架的走红，AI竞争正从“模型能力”转向“执行系统能力”。M2.7的发布，意味着国内厂商正在尝试定义下一阶段的技术路线——即以Agent为核心、以自我进化为驱动的AI系统。
分析人士认为，如果自我进化能力进一步成熟，未来AI系统有望实现从数据构建、模型训练到评测优化的全流程自动化，这将显著压缩研发周期，并重塑AI产业的成本结构与竞争格局。
据南方+记者了解到，目前M2.7已在MiniMax Agent及开放平台上线。随着开发者与企业用户的持续接入，其在真实场景中的表现，将成为检验“自我进化模型”商业价值的关键。
南方+记者 叶丹
名鼎配资提示：文章来自网络，不代表本站观点。
