MiniMax 釋出 M2.7：讓 AI 參與自我迭代，接手半數強化學習研發

以前大家開玩笑說程式設計師早晚會被 AI 取代，但誰也沒想到，AI 先把手伸向了訓練自己的演算法研究員。

MiniMax 推出了新一代專有推理大模型 M2.7。官方把它叫做第一個深度參與自身進化的模型。在 MiniMax 內部的強化學習團隊裡，M2.7 已經能獨立接管 30% 到 50% 的研發工作流。

讀日誌修 Bug，AI 開始給自己當助手

訓練大模型最耗精力的不是開腦洞，而是繁瑣的日常維護：看訓練日誌、查崩了的原因、跑冒煙測試、提交程式碼合併請求。

在 MiniMax 的實際工作流裡，研究員只要和 M2.7 討論實驗設想，模型就會自主做文獻調研、準備資料流水線並啟動訓練。實驗跑起來後，M2.7 會監控進度、看日誌查錯，並自動提程式碼修改。人類研究員現在基本上只在做關鍵決策和討論時才介入。

更誇張的是腳手架自最佳化實驗。MiniMax 讓 M2.7 最佳化內部程式設計效能，模型自己在“分析失敗路徑、改程式碼、跑評測、對比結果、決定保留或回滾”的迴圈裡跑了 100 多輪，最終把內部評測集的表現拉高了 30%。在實際生產環境排障中，它多次把線上事故的恢復時間壓縮到了 3 分鐘以內。

跑比賽打平 Gemini，價格只要 3 毛錢

在具體的工程與程式碼評測上，M2.7 拿出來的成績單很硬。

在 OpenAI 開源的 MLE Bench Lite 機器學習競賽測試中，M2.7 在三輪測試裡的平均獎牌率達到了 66.6%，追平了 Gemini 3.1，逼近 Claude Opus 4.6 的 75.7% 和 GPT-5.4 的 71.2%。在最好的單次測試中，它拿下了 9 塊金牌、5 塊銀牌和 1 塊銅牌。

軟體工程基準 SWE-Pro 上，它拿到了 56.22% 的得分，匹配 GPT-5.3-Codex；在整庫程式碼生成基準 VIBE-Pro 上得分 55.6%。針對 Office 辦公套件的 GDPval-AA 評測中，它的 ELO 得分為 1495。

此外，據第三方評測資料，M2.7 的幻覺率為 34%，低於 Claude Sonnet 4.6 和 Gemini 3.1 Pro。價格方面，通過 MiniMax API 和 OpenRouter 呼叫，每百萬輸入 token 定價為 0.30 美元。

為什麼重要

我們認為，M2.7 最值得琢磨的不是幾個跑分，而是它把“AI 遞迴改進自身”從科幻概念拉進了一小段工業實操裡。

對開發者和工程團隊來說，每百萬輸入 token 0.30 美元的價格相當有攻擊性。如果你手裡有大量長鏈路的日誌排查、跨模組修 Bug 或日常指令碼運維任務，M2.7 是一個性價比極高的選手，現在就值得接入 OpenRouter 或官方 API 做小規模灰度測試。

對整個行業而言，這說明前沿模型團隊的壁壘正在從“誰的人腦更聰明”轉向“誰能更快讓 AI 接管研發基礎設施”。當模型能自主跑完幾十輪實驗和調參，小團隊追趕巨頭實驗吞吐量的速度會被成倍放大。

不過看起來隱患也擺在眼前。模型參與程式碼修改和實驗迭代，雖然能解決 30% 到 50% 的髒活累活，但也意味著研究員對模型行為的直接掌控度在下降。一旦腳手架自身演進出難以察覺的區域性最優或隱蔽 Bug，人類排查的成本反而會陡增。自主閉環走得越遠，安全與審計的邊界就越難劃。