POSTopenai
/v1/chat/completionsMiniMax M2.7
MiniMax-M2.7MiniMax 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。
最大上下文
204.8KToken
最大輸出
131.1KToken
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 |
如何透過 API 使用 MiniMax M2.7？
POSTanthropic
/v1/messagesPOSTgemini
/v1beta/models/{model}:generateContentMiniMax M2.7 基準測試
MiniMax-M2.7
38.1
/100
Artificial Analysis 綜合能力指數
Artificial Analysis 綜合能力評分
指數分數
41.9
/100
Artificial Analysis 程式碼能力指數
Artificial Analysis 軟體任務評分
指數分數
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-Bench
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。
媒體與討論
精選與此模型相關的公開影片和貼文。
X (Twitter)
Reddit
YouTube