MiniMax M2.7

MiniMax-M2.7

MiniMax M2.7 被介绍为面向生產力和工程任務的模型,強調自主工作流程、多 Agent 協作、实时调试和文件交付。公开描述提到根因分析、财务建模,以及 Word/Excel/PowerPoint 类完整文件生成。它更適合被写成“应用型工作模型”,而不是一般聊天或写作模型。

上下文視窗

204.8K Token

最大輸出

131.1K Token

發布日期

2026年3月18日

模態

MiniMax M2.7 價格

輸入價格輸出價格快取讀取
$0.3/M$1.2/M$0.06/M

MiniMax M2.7 API 能力

推理

支援

工具呼叫

支援

Temperature 參數

支援

附件

不支援

知識庫

—

Endpoint 協議

geminiCompletions APIMessages API

MiniMax M2.7 模型亮點

MiniMax M2.7 是著重真實軟體工程、協作式 Agent 工作與可編輯專業成果的文字推理模型。

系統層級軟體工程

可關聯記錄、監控指標、追蹤資料與資料庫證據,診斷缺陷並提出系統層級工程決策。

協作式 Agent 團隊

支援具備穩定角色與自主決策能力的 Agent 團隊,用於拆分並協調複雜的多部分工作。

專業文件編輯

可多輪處理 Word、Excel 與簡報資料,並維持成果可編輯。

MiniMax M2.7 使用情境

MiniMax M2.7 適合正式環境事故排查、協作式軟體工程專案,以及專業辦公資料的多輪製作。

正式環境事故處理

檢查記錄、追蹤資料、指標與資料庫狀態,找出可能的根因並擬定範圍明確的復原或修正方案。

多 Agent 工程協作

將分析、實作與驗證分配給協作式 Agent 角色,再把各自輸出整合成單一工程成果。

可編輯辦公成果

起草並多輪完善報告、試算表或簡報,在維持結構的同時產生便於後續編輯的資料。

如何透過 TokenHub API 使用 MiniMax M2.7

建立 API key

執行前請替換這些路徑參數: {model}

curl 'https://us-api.tokenhub.com/v1beta/models/{model}:generateContent' \
  -X 'POST' \
  -H "Authorization: Bearer $TOKENHUB_API_KEY"

MiniMax M2.7 基準測試

MiniMax-M2.7

指數分數
Artificial Analysis 綜合能力指數Artificial Analysis 綜合能力評分38.1
Artificial Analysis 程式碼能力指數Artificial Analysis 軟體任務評分41.9
知識與推理
GPQA高階科學問題求解87.4%
HLE廣泛專家級考試集合28.1%
程式碼與工程
SciCode科學計算程式碼挑戰47%
Terminal-Bench Hard高難度終端任務執行39.4%
指令遵循與 Agent 任務
IFBench指令約束遵循75.7%
AA-LCR長上下文推理68.7%
τ²-BenchAgent 工作流程任務84.8%

指標來源 Artificial Analysis

媒體與討論

精選與此模型相關的公開影片和貼文。

X (Twitter)

View post on X
View post on X
View post on X

Reddit

YouTube

Watch on YouTube
Watch on YouTube
Watch on YouTube

MiniMax M2.7 常見問題

MiniMax M2.7 的能力、適用情境、限制與 TokenHub 使用指南。

MiniMax M2.7 主要強化什麼?+

MiniMax M2.7 是 MiniMax 針對真實軟體工程與代理交付推出的模型。

哪些專案適合 MiniMax M2.7?+

適合反覆式工程交付、除錯與重構、程式碼庫層級開發,尤其適合重視長時程任務完成度的情境。

MiniMax M2.7 有什麼特別之處?+

核心優勢是強大的真實工程、除錯與端到端交付能力。

什麼時候該選其他模型?+

長時間自主執行可能消耗大量時間與 Token。 更重視多模態輸入時,可考慮 MiniMax M3。

如何避免用錯模型識別碼?+

使用 TokenHub 顯示的精確識別碼,並依帳戶文件確認目前功能。

準備呼叫 MiniMax M2.7?

透過一個 API Key 接入 MiniMax M2.7 與更多 AI 模型。

建立 API Key