不卷跑分不養蝦，MiniMax M2.7 帶來了一個真正能打的 Cowork Agent

3月18日晚，Minimax 悄悄上了波大分。

更新了其最新的M2.7版本，并且官方還給出了一個核心定義：M2.7，是 MiniMax 第一代深度參與自身進化的模型。

其不僅在指令遵循、辦公協同、Coding 方面有明顯提升，更重要的是它能夠自主搭建 Agent Harness。也就是說，它能搭出一套完整的任務框架，調用各種技能和工具，解決單個模型搞不定的問題，思考干活兩手抓，妥妥的“自我進化”。

但這不是光說不練，Minimax還甩出了可驗證的測試數據。在測試中，測試員給它甩在了MLE Lite 22道高難度競賽中，M2.7取得了9金5銀1銅的成績，僅次于Opus-4.6、GPT-5.4，與Gemini-3.1持平。

另外，在當下行業最關注的 Agent 真實任務執行能力評測上，M2.7 的表現同樣出圈。在基于標準化 OpenClaw Agent 測試的 PinchBench 榜單中，剛發布的 M2.7 快速登頂，以 86.2% 的任務成功率擊敗英偉達 Nemotron 3，拿下了 Best score 榜單的全球第四名，僅次于 Claude Sonnet 4.6、GPT-5.4、Claude Opus 4.6，刷新了國內大模型在該榜單的最好成績。

而此次更新僅僅距離 M2.5 過去一個月。接連刷新的榜單、肉眼可見的能力躍升，都在印證一件事：大模型的能力已經不僅僅局限于答題、寫代碼的基礎能力，正在向自主規劃、自主迭代進化。

尤其是 OpenClaw 爆火后，大家更在意的，已經不是模型能不能寫代碼了，而是接進真實工作流以后到底好不好用。說白了，就是把模型和工具真正接起來跑任務之后，它會不會掉鏈子，能不能把事情接著往下做。OpenClaw 本身就是沖著這種用法去的，所以現在大家都在找一個更合適的大模型接入。

我們第一時間拿到了上手評測的機會。這一次，我們核心要驗證的只有一件事：接入 OpenClaw 之后，M2.7 的真實體驗到底如何？M2.7 到底是不是現在國內最好的 Cowork Agent？

長鏈路任務的穩定性，才是真分水嶺

最近 OpenClaw 這波熱度，大家應該都感受得到。現在模型能接進去，真不算新鮮事了，真正開始拉開差距的，是接進去以后到底好不好使。任務短的時候，很多模型都還能裝得挺像樣；一旦開始掛 skills、開始疊約束、開始把流程拉長，問題就出來了，前面條件沒吃透，后面補充一句它就亂，做到一半直接掉線。

OpenClaw 本來就是沖著把模型和工具、會話、任務鏈路接起來去的，所以放在這個環境里測，反而更容易看出一個模型到底靠不靠譜。

第一個任務是一道約束很多的龍蝦活動題，預算、人群、渠道、門店承載、風險和備選方案全都提前卡死，重點就看它會不會先把條件理清，再往下拆。

M2.7 這一步給我的感覺還不錯，沒有急著往外發散，而是先把約束撈出來，再拆任務，再給方案，這種起手方式就比較讓人放心。而這也正是 M2.7 本次升級的核心強化方向 —— 復雜長鏈路任務的承接與落地，實測下來的表現的確不俗。

接著我把任務再拉長一點。先給一版基礎方案，然后一輪一輪往上加條件，不能打折、供應鏈有限、門店人手少、目標人群變了，最后再加一個更像真實業務會提的要求，希望這套活動下個月還能復用成 SOP。

全程下來，M2.7 沒有出現很多模型常見的 “一加需求就推翻重寫” 的問題，始終能沿著初始的核心邏輯持續優化迭代，這一點對于長流程工作流來說，至關重要。第三輪迭代中它出現了短暫的卡頓，能看出超長鏈路中仍有小幅波動，但在追問之后，它快速補齊了所有內容，包括最小可復用版本、標準化執行環節、人工決策節點，完整承接，沒有出現信息遺漏。

跑完這兩組全鏈路任務，M2.7 在 OpenClaw 里的表現已經非常清晰：它最核心的價值，不是單輪輸出多么驚艷的答案，而是任務啟動時邏輯清晰、鏈路拉長后不易散架、多輪迭代中不丟約束。在真實的工作流里，這種穩定的持續交付能力，遠比單輪的華麗輸出重要得多。而在復雜長鏈路任務的承接上，M2.7 已經交出了國內最好的 Cowork Agent該有的滿分答卷。

代碼能力全場景驗證：從 “寫代碼” 到 “做項目” 的工程化躍升

真要看編程能力，還是得把項目丟過去。MiniMax 這次公開給出的方向里，Coding 的位置明顯更靠前。官方數據顯示，在 SWE-Pro 基準測試中，M2.7 得分 56.22%，無限接近 Claude Opus 的頂級水平；在端到端完整項目交付的 VIBE-Pro 測試中得分 55.6%，在復雜工程系統理解的 Terminal Bench 2 測試中得分 57.0%。更重要的是，它的能力早已跳出了單純的代碼生成，延伸到了日志分析、Bug 定位、故障排障、工程重構等高階開發領域，而這種變化，在實測中有著極為直觀的體感。

在前端測試環節，我們給出了一個品牌展示官網的全量開發需求，這個任務的難度并非簡單的頁面拼接 ——它會包含品牌調性、視覺配色、頁面節奏、交互動效、粒子特效等多個維度，并且多個維度必須同時達標，最終產出的才是一個能真正商用的官網。很多模型在這里最容易翻車的。而 M2.7 的表現也超出了我的意料，尤其是配合官方 Skill 協同運行時，頁面的完成度直接拉滿，完全沒有常見的模板化痕跡，視覺層次、品牌配色、交互動效完全統一，最終交付的是一個可以直接上線使用的完整站點，而非零散的代碼片段。

在后端測試環節，我給 M2.7 的不是補幾段接口代碼的小任務，而是一個從零開始往下搭的真實項目。技術棧用的是 Python、FastAPI 和 PostgreSQL，里面既有接口、數據模型、鑒權這些基礎環節，也有遷移、測試、文檔和后續排障。這類任務真正難的地方，不在代碼量，而在上下文要一直對得上，前面定下來的結構，后面每一步都不能亂。 M2.7 這一輪最讓人驚喜的一點，就是它在這種連續工程任務中，更像是資深開發的項目管理思維，而非單純的代碼生成工具：先搭好完整的項目骨架，再逐層補齊數據庫設計、業務接口、測試用例、接口文檔，項目上線跑通后，遇到問題還能自主排查、快速修復，全程邏輯連貫，沒有出現任何架構跑偏、上下文脫節的問題。

M2.7 這次編程能力最明顯的變化，不是某個點突然特別炸，而是工程感更強了。前端會往展示結果上收，后端也能按項目節奏一路往下推。現在模型會寫代碼已經不稀奇了，真正有價值的是項目跑起來之后還能不能繼續跟。就這一點看，M2.7 已經不只是一個會生成代碼的模型了，而是在往真正能參與開發流程的 Cowork Agent 方向走。放到國內這批模型里，這種工程參與感其實很少見。

辦公自動化全鏈路考驗：覆蓋完整知識工作流的協同能力

Office 自動化這塊，我沒有拿簡單表格來試，而是直接上了一條完整鏈路。先生成一套模擬經營數據，再基于數據做復雜金融圖表，最后把圖表和數據整理成網頁數據報告。這里測的已經不是會不會寫公式，而是數據、圖表、分析和展示能不能連成一套結果。

M2.7 這一輪的表現比較扎實。數據生成不是隨便拼數字，收入、利潤率、現金流、營收這些指標之間有基本邏輯；圖表也不是簡單折線圖，而是把幾個關鍵經營指標放進同一個分析畫面里，信息密度和重點都夠。繼續往下做網頁報告時，它也沒有停在把圖貼上去，而是把核心結論、風險點和管理建議一起整理出來，最后形成的是一份能直接展示的頁面，不是一堆零散素材。

它現在展現出來的，已經不是基礎表格處理能力了，而是復雜 Office 自動化能力。數據清洗、圖表生成、分析歸納、匯報整理這一整條鏈路，它都能繼續往下做，多輪修改之后結構也沒有明顯散掉。放到真實辦公場景里，這種表現比單獨會做 Excel、會寫報告更有參考價值，因為它開始覆蓋的是更完整的知識工作流程。

從能力邊界來看，M2.7 的能力已經不只是停留在辦公整理層面。其不僅能完整落地企業經營分析全鏈路任務，并且對于資料歸納、研究鏈路梳理、專業分析與結果匯總這類更高階的知識工作，也能輕松完成。

最佳 Cowork Agent 來了嗎？

這一輪測下來，M2.7 給我最明顯的感覺，已經不只是編程能力繼續往上走了一點，真正拉開差距的地方，在于它對智能體工作流的支持更完整了。尤其放進 OpenClaw 之后，這種變化會更明顯。任務交過去，它不只是給一段回答，很多時候是真的能順著任務往下做，過程中也沒那么容易散。單看這一點，我會直接把 M2.7 放在國內最好 Cowork Agent 的位置上。

如果用幾句話概括 M2.7 這次最值得看的地方，核心還是連續性、穩定性和落地感。

不過更值得注意的是，它這次已經開始顯出自我迭代能力。

官方給出的路徑很清楚，不只是讓模型調用 Agent Harness 干活，而是讓它基于短時記憶、自反饋和自優化去反復調整自己的做事方法。內部腳手架優化里，M2.7 可以連續跑超過 100 輪分析失敗軌跡、規劃改動、修改代碼、回跑評測、對比結果，再決定保留還是回退，內部評測效果提升 30%。放到更重的機器學習任務里，它在 MLE Bench Lite 22 個任務上拿到 9 金 5 銀 1 銅，平均得牌率 66.6%。這說明它已經不只是執行任務，也開始參與優化完成任務的路徑。

當下整個行業都在跟風適配 OpenClaw，忙著教模型怎么用好人類打造的工具，卻很少有人真正去突破模型的能力邊界 —— 讓模型自己造工具、自己搭框架、自己完成迭代進化。M2.7 自主搭建 Agent Harness 的能力，本質上是讓模型擁有了自主打造 “任務操作臺” 的能力，它不再局限于人類給定的工具與框架，而是能根據任務需求，自主搭建完整的任務執行體系，調度多智能體協同作業，甚至能通過自反饋、自優化，持續迭代這套體系本身。

更重要的是，它已經深度參與到了 MiniMax 自身的模型研發流程中，成為了下一代模型研發的核心參與者，真正實現了 “模型訓練模型” 的正向循環。這種自我迭代的技術創新，不僅讓 M2.7 坐穩了國內最好 Cowork Agent 的位置，更提前搶占了下一代大模型競爭的核心分水嶺，開啟了大模型自主進化的全新紀元。

顯然，M2.7 更適合那些已經不滿足于簡單問答的人。獨立開發者、全棧工程師、產品型開發者，或者本來就會把模型接進自己工作流的人，用起來會更容易感受到它的價值。因為這類用戶真正關心的，從來不是模型會不會說幾句聰明話，而是能不能把任務拆開、持續推進、出問題后繼續修正，最后把結果交出來。

借著M2.7，我們似乎也看到了最強的 Cowork Agent 長什么樣子，或許在未來，我們能看到 AI 能承接更多的任務，解決更復雜的任務。

如果你當下正在關注 OpenClaw 的生態，或是正在尋找一款接入后足夠順手、足夠能打、能真正融入工作流的大模型，M2.7 絕對值得你親自上手實測。

體驗地址如下，快來試試吧！

MiniMax Agent：

agent.minimaxi.com

Token Plan 訂閱：

https://platform.minimaxi.com/subscribe/token-plan