POSTopenai
/v1/chat/completionsMiniMax M2.7
MiniMax-M2.7MiniMax M2.7 被介绍为面向生产力和工程任务的模型，强调自主工作流、多 Agent 协作、实时调试和文档交付。公开描述提到根因分析、财务建模，以及 Word/Excel/PowerPoint 类完整文档生成。它更适合被写成“应用型工作模型”，而不是普通聊天或写作模型。
最大上下文
204.8KToken
最大输出
131.1KToken
发布日期
2026年3月18日
模态
MiniMax M2.7 价格
| 输入价格 | 输出价格 | 缓存读取 |
|---|---|---|
| $0.3/M | $1.2/M | $0.06/M |
如何通过 API 使用 MiniMax M2.7？
POSTanthropic
/v1/messagesPOSTgemini
/v1beta/models/{model}:generateContentMiniMax M2.7 基准测试
MiniMax-M2.7
38.1
/100
Artificial Analysis 综合能力指数
Artificial Analysis 综合能力评分
指数分数
41.9
/100
Artificial Analysis 代码能力指数
Artificial Analysis 软件任务评分
指数分数
知识与推理
GPQA
高阶科学问题求解
87.4%
HLE
广泛专家级考试集合
28.1%
代码与工程
SciCode
科学计算代码挑战
47%
Terminal-Bench Hard
高难度终端任务执行
39.4%
指令遵循与 Agent 任务
IFBench
指令约束遵循
75.7%
AA-LCR
长上下文推理
68.7%
τ²-Bench
Agent 工作流任务
84.8%
指标来源 Artificial Analysis
MiniMax M2.7 常见问题
MiniMax M2.7 的能力、适用场景、限制和 TokenHub 使用指南。
MiniMax M2.7 重点做什么？+
MiniMax M2.7 是 MiniMax 面向真实软件工程和智能体交付的模型。
哪些项目适合 MiniMax M2.7？+
适合迭代式工程交付、调试和重构、代码仓库级开发，尤其适合重视长程任务完成度的场景。
MiniMax M2.7 有什么特别之处？+
核心优势是强大的真实工程、调试和端到端交付能力。
什么时候该选其他模型？+
长时间自主运行可能消耗大量时间和 Token。 更看重多模态输入时，可考虑 MiniMax M3。
如何避免用错模型标识符？+
使用 TokenHub 显示的精确标识符，并按账户文档确认当前功能。
媒体与讨论
精选与此模型相关的公开视频和帖子。
X (Twitter)
Reddit
YouTube