MiniMax 发布 M2.7：让 AI 参与自我迭代，接手半数强化学习研发

以前大家开玩笑说程序员早晚会被 AI 取代，但谁也没想到，AI 先把手伸向了训练自己的算法研究员。

MiniMax 推出了新一代专有推理大模型 M2.7。官方把它叫做第一个深度参与自身进化的模型。在 MiniMax 内部的强化学习团队里，M2.7 已经能独立接管 30% 到 50% 的研发工作流。

读日志修 Bug，AI 开始给自己当助手

训练大模型最耗精力的不是开脑洞，而是繁琐的日常维护：看训练日志、查崩了的原因、跑冒烟测试、提交代码合并请求。

在 MiniMax 的实际工作流里，研究员只要和 M2.7 讨论实验设想，模型就会自主做文献调研、准备数据流水线并启动训练。实验跑起来后，M2.7 会监控进度、看日志查错，并自动提代码修改。人类研究员现在基本上只在做关键决策和讨论时才介入。

更夸张的是脚手架自优化实验。MiniMax 让 M2.7 优化内部编程性能，模型自己在“分析失败路径、改代码、跑评测、对比结果、决定保留或回滚”的循环里跑了 100 多轮，最终把内部评测集的表现拉高了 30%。在实际生产环境排障中，它多次把线上事故的恢复时间压缩到了 3 分钟以内。

跑比赛打平 Gemini，价格只要 3 毛钱

在具体的工程与代码评测上，M2.7 拿出来的成绩单很硬。

在 OpenAI 开源的 MLE Bench Lite 机器学习竞赛测试中，M2.7 在三轮测试里的平均奖牌率达到了 66.6%，追平了 Gemini 3.1，逼近 Claude Opus 4.6 的 75.7% 和 GPT-5.4 的 71.2%。在最好的单次测试中，它拿下了 9 块金牌、5 块银牌和 1 块铜牌。

软件工程基准 SWE-Pro 上，它拿到了 56.22% 的得分，匹配 GPT-5.3-Codex；在整库代码生成基准 VIBE-Pro 上得分 55.6%。针对 Office 办公套件的 GDPval-AA 评测中，它的 ELO 得分为 1495。

此外，据第三方评测数据，M2.7 的幻觉率为 34%，低于 Claude Sonnet 4.6 和 Gemini 3.1 Pro。价格方面，通过 MiniMax API 和 OpenRouter 调用，每百万输入 token 定价为 0.30 美元。

为什么重要

我们认为，M2.7 最值得琢磨的不是几个跑分，而是它把“AI 递归改进自身”从科幻概念拉进了一小段工业实操里。

对开发者和工程团队来说，每百万输入 token 0.30 美元的价格相当有攻击性。如果你手里有大量长链路的日志排查、跨模块修 Bug 或日常脚本运维任务，M2.7 是一个性价比极高的选手，现在就值得接入 OpenRouter 或官方 API 做小规模灰度测试。

对整个行业而言，这说明前沿模型团队的壁垒正在从“谁的人脑更聪明”转向“谁能更快让 AI 接管研发基础设施”。当模型能自主跑完几十轮实验和调参，小团队追赶巨头实验吞吐量的速度会被成倍放大。

不过看起来隐患也摆在眼前。模型参与代码修改和实验迭代，虽然能解决 30% 到 50% 的脏活累活，但也意味着研究员对模型行为的直接掌控度在下降。一旦脚手架自身演进出难以察觉的局部最优或隐蔽 Bug，人类排查的成本反而会陡增。自主闭环走得越远，安全与审计的边界就越难划。