MiniMax 开源编程模型 M2.7：SWE-Pro 拿下 56.22%，刷新两项基准

MiniMax M2.7 是一款主打复杂软件工程和原生多智能体协作的混合专家（MoE）模型，现在已经在 Hugging Face 上正式开放权重下载。如果你平时需要处理跨语言代码重构、排查复杂的线上运维报警，或者正在搭建自动化 Agent 工作流，它提供了一个性能足以对标头部闭源模型的新底座。

该模型最初于 3 月 18 日公布，是 MiniMax 迄今能力最强的开源模型。由于采用了 MoE 架构，模型在每次推理时只激活一部分参数，比起相同输出质量的密集模型，推理速度更快，部署成本也更低。

它能做什么

MiniMax M2.7 的核心能力集中在专业软件工程、日常协同办公以及被称为「Agent Teams」的原生多智能体协作上，支持挂载复杂技能并进行动态工具检索。

在代码与工程测试中，M2.7 在多语言软件工程基准 SWE-Pro 上拿到了 56.22% 的准确率，追平了 GPT-5.3-Codex。这项测试涵盖日志分析、故障排查、代码安全审查以及机器学习工作流调试，比一般的算法做题更贴近真实的生产环境。

在考验系统级理解能力的 Terminal Bench 2 上，M2.7 拿下了 57.0% 的 SOTA 成绩，在 NL2Repo 上得分为 39.8%。在仓库级代码生成基准 VIBE-Pro 上，它取得了 55.6%，接近 Opus 4.6 的水平，可以处理 Web、Android、iOS 和仿真任务。在偏重实际工程的 SWE Multilingual 和 Multi SWE Bench 上，它的得分分别达到 76.5 和 52.7。

除了常规写代码，它还能参与运维排障。根据 MiniMax 团队的实测记录，面对生产环境告警时，M2.7 可以结合监控指标和发布记录做因果推断，采样分析调用链，主动连接数据库排查根因，找出代码库中漏掉的索引迁移文件，并用无锁方式创建索引止血，多次将线上系统的故障恢复时间压缩到了 3 分钟以内。

自主迭代与实验表现

M2.7 也是 MiniMax 首个参与自身研发周期的模型。为了测试自主改进的上限，团队让它在内部脚手架上优化模型的编程能力。

在脱离人工干预的情况下，M2.7 连续自主运行了 100 多轮「分析失败轨迹、规划改动、修改脚手架代码、运行评测、比对结果并决定保留或回滚」的循环。它自己摸索出了最优的采样参数组合，写出了修复 Bug 后自动检索其他文件中同类问题的规范，还给循环加入了死循环检测，最终让内部评测集表现提升了 30%。目前在 MiniMax 内部的强化学习团队中，M2.7 已经可以端到端承担 30% 到 50% 的工作流。

在 OpenAI 开源的单卡 A30 机器学习竞赛基准 MLE Bench Lite 上，配合短期记忆、自我反馈与自我优化的运行框架，M2.7 在 24 小时迭代窗口中取得了单次最高 9 金 5 银 1 铜的成绩，三轮平均奖牌率达到 66.6%，与 Gemini-3.1 持平，仅次于 Opus-4.6 的 75.7% 和 GPT-5.4 的 71.2%。

怎么用上它

目前 MiniMax M2.7 的完整模型权重已经上传至 Hugging Face，开发者可以直接下载并在自己的硬件集群上部署。

如果你不想自己折腾 MoE 模型的本地部署与推理集群，MiniMax 开放平台也同步上线了该模型的 API，可以直接调用。

为什么重要

对于需要搭建高阶代码助手或 SRE 运维系统的技术团队来说，M2.7 值得第一时间跟进测试。以往在复杂工程调试和多智能体协同场景下，开源模型往往明显落后于顶级闭源 API，而 M2.7 在 SWE-Pro 和终端环境测试里交出的成绩，证明了开源权重同样具备打复杂工程仗的能力。

不过，MoE 架构对多卡显存和推理框架的配置要求并不低，要让它发挥出类似内部展示的分钟级故障排障效果，外围的智能体框架、工具调用接口和安全权限控制也必须跟上，更适合有一定工程基础设施的团队接入。