广东
国产AI大模型公司MiniMax于3月18日发布新一代模型M2.7，首次展示“模型自我进化”路径。该模型通过构建Agent Harness（智能体执行框架）体系，深度参与自身训练与优化流程，在部分研发场景中可承担30%—50%的工作量，并在内部评测集上实现约30%的效果提升。
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。
M2.7现已在MiniMax Agent与开放平台全球上线。业内人士认为，随着“龙虾”走红，Agent范式加速落地，M2.7标志着AI正从工具阶段迈向具备自我演化能力的系统阶段。
以Agent为核心的自我进化系统
记者从MiniMax了解到，M2.7的关键在于构建了一套以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。
同时，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”。
多智能体协作与交互范式探索
根据测试数据，M2.7在SWE-bench Pro中取得56.22%成绩，接近国际一线水平；同时在VIBE-Pro、Terminal Bench 2等真实工程测试中表现突出，支持端到端项目交付与复杂系统理解。办公场景方面，其在 GDPval-AA 的ELO得分是1495，为开源最高，并显著提升Office文档处理与多轮编辑能力。
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。
从行业层面来看，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。
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。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
