MiniMax M2.7

MiniMax-M2.7

MiniMax 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。

上下文窗口

204.8K Token

最大输出

131.1K Token

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

MiniMax M2.7 API 能力

推理

支持

工具调用

支持

Temperature 参数

支持

附件

不支持

知识库

—

Endpoint 协议

Completions APIMessages APIgemini

MiniMax M2.7 模型亮点

MiniMax M2.7 是侧重真实软件工程、协同智能体工作和可编辑专业成果的文本推理模型。

系统级软件工程

可关联日志、监控指标、调用链和数据库证据，诊断缺陷并制定系统级工程决策。

协同智能体团队

支持具有稳定角色和自主决策能力的智能体团队，用于拆分并协调复杂的多部分工作。

专业文档编辑

可多轮处理 Word、Excel 和演示文稿资料，并保持成果可编辑。

MiniMax M2.7 使用场景

MiniMax M2.7 适合生产事故排查、协同软件工程项目和专业办公资料的多轮制作。

生产事故响应

检查日志、调用链、指标和数据库状态，定位可能的根因并制定范围明确的恢复或修复方案。

多智能体工程协作

将分析、实现和验证分配给协同的智能体角色，再将各自输出整合为统一的工程成果。

可编辑办公成果

起草并多轮完善报告、电子表格或演示文稿，在保持结构的同时生成便于后续编辑的资料。

如何通过 TokenHub API 使用 MiniMax M2.7

创建 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 基准测试

MiniMax-M2.7

指数分数
Artificial Analysis 综合能力指数Artificial Analysis 综合能力指数汇总多个评测维度，用于观察模型的整体能力表现。	Artificial Analysis 综合能力评分	38.1
Artificial Analysis 代码能力指数Artificial Analysis 代码能力指数汇总模型在代码生成、调试和软件工程任务中的表现。	Artificial Analysis 软件任务评分	41.9
知识与推理
GPQAGPQA 是面向研究生级科学问题的评测集，用来测试模型的专家级推理能力。	高阶科学问题求解	87.4%
HLEHLE 覆盖多个领域的高难度专家级知识与推理问题。	广泛专家级考试集合	28.1%
代码与工程
SciCodeSciCode 评估模型在科学计算场景下编写 Python 代码和实现算法的能力。	科学计算代码挑战	47%
Terminal-Bench HardTerminal-Bench Hard 评估 AI Agent 在终端环境中完成复杂任务的能力。	高难度终端任务执行	39.4%
指令遵循与 Agent 任务
IFBenchIFBench 衡量模型遵循复杂指令和约束条件的稳定性。	指令约束遵循	75.7%
AA-LCRAA-LCR 衡量模型在长上下文窗口中的推理质量。	长上下文推理	68.7%
τ²-Benchτ²-Bench 使用带工具和状态约束的真实工作流，评估对话式 Agent 的任务完成能力。	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。

准备调用 MiniMax M2.7？

通过一个 API Key 接入 MiniMax M2.7 与更多 AI 模型。

创建 API Key