MiniMaxAI/MiniMax-M2.7

MiniMax-M2.7 是我们首款深度参与自身进化的模型。M2.7 能够构建复杂的智能体框架，完成高度精密的效率任务，并借助智能体团队、复杂技能和动态工具搜索来实现。更多详情，请参阅我们的博客文章 (https://www.minimax.io/news/minimax-m27-en)。

https://huggingface.co/MiniMaxAI/MiniMax-M2.7#model-self-evolution模型自进化

M2.7 开启了一个模型自进化的循环：在开发过程中，我们让模型更新自身记忆、为强化学习实验构建数十种复杂技能，并根据实验结果改进自身学习过程。M2.7 的一个内部版本在超过 100 轮迭代中自主优化了一个编程脚手架——分析失败轨迹、修改代码、运行评估、决定保留或回退——最终实现了 30% 的性能提升。在 MLE Bench Lite（22 个机器学习比赛）上，M2.7 取得了 66.6% 的奖牌率，仅次于 Opus-4.6 和 GPT-5.4。

https://huggingface.co/MiniMaxAI/MiniMax-M2.7#professional-software-engineering专业软件工程

M2.7 展现了卓越的实际编程能力，涵盖日志分析、故障排查、重构、代码安全及机器学习。除代码生成外，M2.7 还具备强大的系统级推理能力——关联监控指标、进行链路追踪、在数据库中验证根因，并做出 SRE 级别的决策。使用 M2.7，我们已将多次线上生产事故的恢复时间缩短至 三分钟以内。

在 SWE-Pro 上，M2.7 取得了 56.22%，与 GPT-5.3-Codex 持平，在实际工程基准上表现更强：SWE Multilingual（76.5） 和 Multi SWE Bench（52.7）。在 VIBE-Pro（55.6%） 上，M2.7 几乎与 Opus 4.6 持平。在 Terminal Bench 2（57.0%） 和 NL2Repo（39.8%） 上，M2.7 展示了对复杂工程系统的深刻理解。M2.7 还原生支持 Agent Teams，实现多智能体协作，具备稳定的角色身份和自主决策能力。

https://huggingface.co/MiniMaxAI/MiniMax-M2.7#professional-work专业工作

M2.7 在 GDPval-AA 上取得了 ELO 评分 1495（开放权重模型中最高的），超过 GPT5.3。它能高保真地处理 Word、Excel 和 PPT 的多轮编辑，输出可编辑的交付物。在 Toolathon 上，M2.7 达到了 46.3% 的准确率（全球顶级水平），并在 MM Claw 上对 40+ 项复杂技能保持了 97% 的技能合规率。在 MM Claw 端到端基准上，M2.7 取得了 62.7%，接近 Sonnet 4.6。

https://huggingface.co/MiniMaxAI/MiniMax-M2.7#entertainment娱乐

M2.7 增强了角色一致性和情感智能。我们开源了 OpenRoom (https://github.com/MiniMax-AI/OpenRoom)，一个交互式演示，将 AI 交互置于带有实时视觉反馈和场景交互的 Web GUI 空间中。尝试访问 openroom.ai (https://www.openroom.ai/)。

https://huggingface.co/MiniMaxAI/MiniMax-M2.7#how-to-use使用方法

• MiniMax Agent：https://agent.minimax.io/
• MiniMax API：https://platform.minimax.io/
• Token Plan：https://platform.minimax.io/subscribe/token-plan

https://huggingface.co/MiniMaxAI/MiniMax-M2.7#local-deployment-guide本地部署指南

从 HuggingFace 仓库下载模型：https://huggingface.co/MiniMaxAI/MiniMax-M2.7

我们推荐使用以下推理框架（按字母顺序排列）来服务模型：

https://huggingface.co/MiniMaxAI/MiniMax-M2.7#sglangSGLang

我们推荐使用 SGLang (https://docs.sglang.io/) 来服务 MiniMax-M2.7。请参考我们的 SGLang 部署指南 (https://huggingface.co/MiniMaxAI/MiniMax-M2.7/blob/main/docs/sglang_deploy_guide.md)。

https://huggingface.co/MiniMaxAI/MiniMax-M2.7#vllmvLLM

我们推荐使用 vLLM (https://github.com/vllm-project/vllm) 来服务 MiniMax-M2.7。请参考我们的 vLLM 部署指南 (https://huggingface.co/MiniMaxAI/MiniMax-M2.7/blob/main/docs/vllm_deploy_guide.md)。

https://huggingface.co/MiniMaxAI/MiniMax-M2.7#transformersTransformers

我们推荐使用 Transformers (https://github.com/huggingface/transformers) 来服务 MiniMax-M2.7。请参考我们的 Transformers 部署指南 (https://huggingface.co/MiniMaxAI/MiniMax-M2.7/blob/main/docs/transformers_deploy_guide.md)。

https://huggingface.co/MiniMaxAI/MiniMax-M2.7#modelscopeModelScope

你也可以从 modelscope (https://modelscope.cn/models/MiniMax/MiniMax-M2.7) 获取模型权重。

https://huggingface.co/MiniMaxAI/MiniMax-M2.7#nvidia-nimNVIDIA NIM

MiniMax M2.7 也可在 NVIDIA NIM Endpoint (https://build.nvidia.com/minimaxai/minimax-m2.7) 上获取。

https://huggingface.co/MiniMaxAI/MiniMax-M2.7#inference-parameters推理参数

我们推荐使用以下参数以获得最佳性能：temperature=1.0，top_p=0.95，top_k=40。默认系统提示：

You are a helpful assistant. Your name is MiniMax-M2.7 and is built by MiniMax.

https://huggingface.co/MiniMaxAI/MiniMax-M2.7#tool-calling-guide工具调用指南

请参考我们的工具调用指南 (https://huggingface.co/MiniMaxAI/MiniMax-M2.7/blob/main/docs/tool_calling_guide.md)。

https://huggingface.co/MiniMaxAI/MiniMax-M2.7#contact-us联系我们

通过 [email protected] 联系我们。