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

Completions APIMessages APIgemini

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

import OpenAI from "openai"

const client = new OpenAI({
  apiKey: process.env.TOKENHUB_API_KEY,
  baseURL: "https://us-api.tokenhub.com/v1",
})

const result = await client.chat.completions.create({})
console.log(result.choices[0]?.message?.content)

MiniMax M2.7 基準測試

MiniMax-M2.7

指數分數
Artificial Analysis 綜合能力指數Artificial Analysis 綜合能力指數彙總多個評測維度，用於觀察模型的整體能力表現。	Artificial Analysis 綜合能力評分	38.1
Artificial Analysis 程式碼能力指數Artificial Analysis 程式碼能力指數彙總模型在程式碼生成、除錯與軟體工程任務中的表現。	Artificial Analysis 軟體任務評分	41.9
知識與推理
GPQAGPQA 是面向研究生級科學問題的評測集，用來測試模型的專家級推理能力。	高階科學問題求解	87.4%
HLEHLE 覆蓋多個領域的高難度專家級知識與推理問題。	廣泛專家級考試集合	28.1%
程式碼與工程
SciCodeSciCode 評估模型在科學計算場景下撰寫 Python 程式碼和實作演算法的能力。	科學計算程式碼挑戰	47%
Terminal-Bench HardTerminal-Bench Hard 評估 AI Agent 在終端環境中完成複雜任務的能力。	高難度終端任務執行	39.4%
指令遵循與 Agent 任務
IFBenchIFBench 衡量模型遵循複雜指令和約束條件的穩定性。	指令約束遵循	75.7%
AA-LCRAA-LCR 衡量模型在長上下文視窗中的推理品質。	長上下文推理	68.7%
τ²-Benchτ²-Bench 使用帶工具和狀態約束的真實工作流程，評估對話式 Agent 的任務完成能力。	Agent 工作流程任務	84.8%

指標來源 Artificial Analysis

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