深度测评MiniMax M2.7：国产大模型的真实实力探究

随着国产大模型竞争日趋激烈，各家厂商纷纷亮出自家的最新力作。近期，MiniMax推出了M2.7版本，在多个基准测试中表现亮眼。值得注意的是，在实时更新的Agent任务评测榜上，M2.7已攀升至全球第四位。不同于传统benchmark侧重于模型回答的准确性，Agent任务更注重模型完成完整工作流程的能力，这也更能反映模型在真实场景中的实用价值。

多步骤任务执行测试

本次测评设计了六大核心场景，从多步骤任务执行、创意内容生成到专业编程能力，对M2.7进行全面考验。测试平台涵盖MaxClaw、Claude Code及MiniMax Agent网页端，力求还原真实的业务使用场景。

创意视频生成能力

随后测试模型的创意内容生成能力。要求M2.7使用libtv-skills工具生成一部40秒的短漫剧，主题为《像素荒原》，需融合实拍与低多边形CGI的实时混合渲染风格。结果显示，从剧本创作、分镜设计到视频合成的全流程均由M2.7独立驱动完成，最终成片效果令人满意。值得注意的是，若不明确指定调用skill工具，模型会生成镜头片段而非完整视频，这提示我们在实际使用中需注意提示词的精确表述。

编程与前端开发能力

在专业办公场景测试中，要求M2.7基于腾讯2025年财报构建营收模型并生成完整的研究报告。模型完成了Excel财务模型（含业绩总览、收入分析、估值分析等模块）、近万字的Word研报以及PPT演示文稿。值得注意的是，近万字的长文本输出中未出现任何幻觉问题，数据准确性也经过了抽查验证。虽然复杂图表和格式排版存在小幅改进空间，但模型已完成了最耗时的数据搜索和整理工作，预计可为分析师节省至少半天工作量。

专业办公场景测试

整体而言，M2.7在各个环节都展现出显著进步。从代码生成到Agent能力，从工具调用到长程任务处理，模型表现全面且稳定。更值得关注的是，M2.7是MiniMax首个由AI深度参与迭代的模型——采用Agent harness系统进行自动化训练和评测，形成模型自我优化的数据飞轮。这意味着M2.7可能只是起点，随着AI自动化训练体系的不断完善，后续版本更值得期待。

如有侵权，请联系删除。