跳转至

MiniMax M2.7：开启模型的自我进化

Ch03.098 MiniMax M2.7：开启模型的自我进化

📊 Level ⭐⭐ | 6.3KB | entities/minimax-m2-7-self-evolution.md

MiniMax M2.7：开启模型的自我进化

M2.7是MiniMax第一个模型深度参与迭代自己的版本。模型能够自行构建复杂Agent Harness，并基于Agent Teams、复杂Skills、Tool Search tool等能力，完成高度复杂的生产力任务，同时驱动模型自身的强化学习训练迭代。 Agent Harness覆盖：数据流水线、训练环境、评测基础设施、跨团队协作、持久化记忆。研究员在每一层引导方向，模型在每一层负责构建。 RL场景示例：Agent自动完成文献调研→实验规格跟踪→数据流水线对接→启动实验→监控分析→日志读取→问题排查→指标分析→代码修复→MR提交→冒烟测试。

M2.7能够胜任30-50%的工作流。

相关实体

→ 原文存档

深度分析

M2.7的核心意义在于它标志着AI开发方法论的一次根本性转变：模型不再仅仅是开发对象，而是成为了开发过程的主动参与者。传统的AI开发依赖人类研究员构建Harness、编写训练脚本、设计评测基准，而M2.7展示了模型自行构建这些基础设施的可能性。Agent Harness覆盖数据流水线、训练环境、评测基础设施、跨团队协作、持久化记忆五个层面，研究员在每一层引导方向、模型在每一层负责构建，这意味着人机协作模式从"人做模型用"进化到了"人与模型共同建构"。

M2.7自主运行RL训练闭环超过100轮、完整执行"分析失败轨迹→规划改动→修改脚手架代码→运行评测→对比结果→决定保留或回退"这一整套流程，是自我进化机制最有力的实证。内部评测集30%的提升说明这种自主迭代确实能发现有效的优化方向——包括系统性搜索温度/频率惩罚/存在惩罚等采样参数的最优组合，以及修复后自动搜索其他文件中的相同bug模式。 这与人类研究员主导的优化相比，模型更能从全局视角发现跨文件的系统性规律。

从Benchmark数据看，M2.7在软件工程和专业办公两个维度同时达到了顶级水平：编程 benchmark 追平 GPT-5.3-Codex（SWL-Pro 56.22%）、显著领先的多语言和 Multi SWE Bench 成绩；专业办公的 GDPval-AA ELO 达到1500（开源最高）；尤其值得注意的是 Finance 场景的端到端工作流——阅读年报+交叉比对研报+独立设计假设+构建营收预测模型+产出 PPT/Word/Excel，从业者评价产出物可直接进入后续工作流程。 这表明自我进化不仅提升了模型的基础能力，更直接转化为实际生产力任务的可用性。

Agent Teams 的设计理念揭示了多角色协作必须内化为模型原生能力。角色边界、对抗性推理、协议遵循、行为分化无法通过提示词实现——这一结论对AI系统架构有深远影响。多个角色稳定锚定身份、主动挑战队友的逻辑与伦理盲区、在复杂状态机中自主决策，这些能力需要通过训练过程内化，而不是运行时通过外部指令注入。 这意味着未来的AI能力提升不仅依赖单个模型的进步，更依赖多智能体协作架构和训练方法的突破。

从行业影响看，M2.7将"自我进化"从概念变成了工程现实。脚手架三模块（短时记忆+自反馈+自优化）的24小时迭代进化机制证明了在极短时间内完成从发现问题到验证解决方案的闭环是可行的。 这为整个行业提供了一个可参考的范式：当模型能力达到足够高的水平时，让模型参与自身的改进过程可以显著加速能力提升的速度，并可能发现人类难以察觉的优化空间。

实践启示

  1. 平衡自主性与引导边界：M2.7的成功表明，在构建自我进化系统时，完全放手可能导致错误累积（模型可能在错误方向上迭代100轮），但过度干预又压制了自主发现的机会。研究员在每一层"引导方向"、模型在每一层"负责构建"的分层策略是实用的设计原则。

  2. Harness脚手架的模块化设计可复用：短时记忆+自反馈+自优化三模块不仅适用于RL训练迭代，还可应用于训练环境管理、评测基础设施、跨团队协作等多个场景。在设计自我进化系统时，优先构建模块化、可观测、可干预的脚手架基础设施。

  3. 内部评测集比公开Benchmark更有诊断价值：30%的内部评测集提升比公开排名的波动更能反映模型的真实进步。建议在评估自我进化系统时，同步建设内部评测套件并持续跟踪迭代前后的相对变化。

  4. 复杂Skills遵循率是长文本能力的有效指标：97%遵循率（40个>2000 Token case）说明在验证Agent处理复杂长文本任务时，需要构建足够多、足够长的高质量测试案例，而不是仅依赖短文本测试集。

  5. Finance类端到端工作流已达可用临界点：阅读年报+交叉比对研报+构建预测模型+产出多格式文档的完整链路，从业者评价可直接进入工作流程。这意味着金融分析、教育、内容创作等知识密集型任务的Agent化已经进入可落地阶段。