没人能料到，OpenClaw的热度从年初延续到了今天。国内大模型厂商也纷纷加快了在“AI 养虾”赛道的布局，来自上海的MiniMax上个月末，便在其Agent平台上推出了 MaxClaw模式，依托M2.5大模型，10秒内就能部署一个24小时待命的私人助理。

这也让人更加期待，MiniMax全新一代大模型发布之后，又将在以“养虾”为代表的Agent场景中带来怎样的新玩法。

昨天（3月18日），它来了！新亮相MiniMax M2.7，给了人们意料之中的惊喜——覆盖多场景、具备系统级能力的“全能选手”成型了。更关键的是，M2.7是MiniMax第一个模型深度参与迭代自己的模型！

指令遵循和多智能体协作能力跃升

从2.5到2.7，就模型的发展而言，看似只是一小步。那M2.7有哪些硬核的亮点？

无疑，首先指令遵循和多智能体协作的跃升，面对海量技能（Skills）的复杂环境，M2.7调用得极其稳健。官方测试中，在包含40个复杂技能的场景下，它仍然可以保持97%的遵循率，并且在MM-Claw“龙虾测试”里正确率达62.7%。

另外，它还原生自带多智能体协作，不用外部框架也能组建Agent Teams。模型能稳定锚定身份并自主决策，智能体之间互相配合就能把长流程任务拆解执行完。

顺着底层执行力往下，是代码能力的直观爆发——它从单纯的代码生成，拓展到了代码重构、防漏洞及复杂排障等高阶领域。

切换到办公场景，M2.7处理复杂Office文档同样干脆，支持Excel表格、Word文档和PPT的复杂多轮修改。以真实的某公司案例为例，丢给它年报和沟通会资料，它能自主比对研报并构建营收预测模型；分析完数据后，它能直接生成Excel透视表，“顺手”写出Word版调研报告，并基于模板排版出能直接拿来汇报的PPT。

业内人士评价说，过去，大模型大多充当的还是“最强大脑”，如今MiniMax释出的是一个拥有“手脚、工具和记忆”的多面手系统。

大模型开始自我进化了

当模型有能力自己构建工具链、优化执行路径并在反馈中持续重写自身策略时，它的定位就有了根本性的改变：它不再只是被优化的对象，而成为优化过程的一部分。

“M2.7已经具备了自我构建复杂Agent Harness的能力。”研发人员向新民晚报记者透露。所谓Agent Harness，其实就是模型和现实电脑环境打交道的工具箱和操作台，OpenClaw就可以被理解为是Harness的一种。简言之，以前的模型通常是人给什么工具就用什么，但现在M2.7已经能自己造工具了；而且它还能主动迭代Harness本身，给整个工具箱来一波升级。

在MiniMax内部，Agent Harness的价值已经得到了验证，仅用1人、4天、零代码，M2系列模型就以“架构师”身份自主搭建起完整的开发Agent系统，并在此基础上构建覆盖数据、训练、评测与记忆的研究型Agent体系。人类工程师只设定方向，模型完成构建，形成了“用AI迭代AI”的自我进化闭环。

新民晚报记者了解到，MiniMax设计和实现了一个简易的脚手架来引导Agent进行自主优化，核心的模块包括短时记忆、自反馈以及自优化。具体来讲，Agent完成每轮迭代后会形成一个短时记忆文件，同时对当前轮次的结果进行自反馈，从而给下一轮次提供潜在的优化方向，下一轮次基于所有历史轮次的记忆及自反馈链进行下一步的自优化。

值得一提的是，得益于模型自身演化出来的自迭代能力，M2.7的科研表现显著提升。它向以Kaggle竞赛为基础构建的MLE Bench评测体系发起了挑战，其中在MLE Lite的22道高难度竞赛题目中， 一举拿下了9枚金牌。

很多人说，M2.7的发布，对于这家完成资本跃升不久的大模型独角兽而言，或许只是其马拉松里的一个既定节点。

从此次“上新”的重点来看，M2.7在试图回答一个问题：模型究竟能不能稳定融入真实的工作流。恰如MiniMax创始人、CEO闫俊杰所坚持的，大模型的真正价值不在于制造对立，而在于如何作为一种日常化的工具，去分担那些繁琐的“脏活累活”。

没人能料到，OpenClaw的热度从年初延续到了今天。国内大模型厂商也纷纷加快了在“AI 养虾”赛道的布局，来自上海的MiniMax上个月末，便在其Agent平台上推出了 MaxClaw模式，依托M2.5大模型，10秒内就能部署一个24小时待命的私人助理。

这也让人更加期待，MiniMax全新一代大模型发布之后，又将在以“养虾”为代表的Agent场景中带来怎样的新玩法。

昨天（3月18日），它来了！新亮相MiniMax M2.7，给了人们意料之中的惊喜——覆盖多场景、具备系统级能力的“全能选手”成型了。更关键的是，M2.7是MiniMax第一个模型深度参与迭代自己的模型！

指令遵循和多智能体协作能力跃升

从2.5到2.7，就模型的发展而言，看似只是一小步。那M2.7有哪些硬核的亮点？

无疑，首先指令遵循和多智能体协作的跃升，面对海量技能（Skills）的复杂环境，M2.7调用得极其稳健。官方测试中，在包含40个复杂技能的场景下，它仍然可以保持97%的遵循率，并且在MM-Claw“龙虾测试”里正确率达62.7%。

另外，它还原生自带多智能体协作，不用外部框架也能组建Agent Teams。模型能稳定锚定身份并自主决策，智能体之间互相配合就能把长流程任务拆解执行完。

顺着底层执行力往下，是代码能力的直观爆发——它从单纯的代码生成，拓展到了代码重构、防漏洞及复杂排障等高阶领域。

切换到办公场景，M2.7处理复杂Office文档同样干脆，支持Excel表格、Word文档和PPT的复杂多轮修改。以真实的某公司案例为例，丢给它年报和沟通会资料，它能自主比对研报并构建营收预测模型；分析完数据后，它能直接生成Excel透视表，“顺手”写出Word版调研报告，并基于模板排版出能直接拿来汇报的PPT。

业内人士评价说，过去，大模型大多充当的还是“最强大脑”，如今MiniMax释出的是一个拥有“手脚、工具和记忆”的多面手系统。

大模型开始自我进化了

当模型有能力自己构建工具链、优化执行路径并在反馈中持续重写自身策略时，它的定位就有了根本性的改变：它不再只是被优化的对象，而成为优化过程的一部分。

“M2.7已经具备了自我构建复杂Agent Harness的能力。”研发人员向新民晚报记者透露。所谓Agent Harness，其实就是模型和现实电脑环境打交道的工具箱和操作台，OpenClaw就可以被理解为是Harness的一种。简言之，以前的模型通常是人给什么工具就用什么，但现在M2.7已经能自己造工具了；而且它还能主动迭代Harness本身，给整个工具箱来一波升级。

在MiniMax内部，Agent Harness的价值已经得到了验证，仅用1人、4天、零代码，M2系列模型就以“架构师”身份自主搭建起完整的开发Agent系统，并在此基础上构建覆盖数据、训练、评测与记忆的研究型Agent体系。人类工程师只设定方向，模型完成构建，形成了“用AI迭代AI”的自我进化闭环。

新民晚报记者了解到，MiniMax设计和实现了一个简易的脚手架来引导Agent进行自主优化，核心的模块包括短时记忆、自反馈以及自优化。具体来讲，Agent完成每轮迭代后会形成一个短时记忆文件，同时对当前轮次的结果进行自反馈，从而给下一轮次提供潜在的优化方向，下一轮次基于所有历史轮次的记忆及自反馈链进行下一步的自优化。

值得一提的是，得益于模型自身演化出来的自迭代能力，M2.7的科研表现显著提升。它向以Kaggle竞赛为基础构建的MLE Bench评测体系发起了挑战，其中在MLE Lite的22道高难度竞赛题目中， 一举拿下了9枚金牌。

很多人说，M2.7的发布，对于这家完成资本跃升不久的大模型独角兽而言，或许只是其马拉松里的一个既定节点。

从此次“上新”的重点来看，M2.7在试图回答一个问题：模型究竟能不能稳定融入真实的工作流。恰如MiniMax创始人、CEO闫俊杰所坚持的，大模型的真正价值不在于制造对立，而在于如何作为一种日常化的工具，去分担那些繁琐的“脏活累活”。

没人能料到，OpenClaw的热度从年初延续到了今天。国内大模型厂商也纷纷加快了在“AI 养虾”赛道的布局，来自上海的MiniMax上个月末，便在其Agent平台上推出了 MaxClaw模式，依托M2.5大模型，10秒内就能部署一个24小时待命的私人助理。

这也让人更加期待，MiniMax全新一代大模型发布之后，又将在以“养虾”为代表的Agent场景中带来怎样的新玩法。

昨天（3月18日），它来了！新亮相MiniMax M2.7，给了人们意料之中的惊喜——覆盖多场景、具备系统级能力的“全能选手”成型了。更关键的是，M2.7是MiniMax第一个模型深度参与迭代自己的模型！

指令遵循和多智能体协作能力跃升

从2.5到2.7，就模型的发展而言，看似只是一小步。那M2.7有哪些硬核的亮点？

无疑，首先指令遵循和多智能体协作的跃升，面对海量技能（Skills）的复杂环境，M2.7调用得极其稳健。官方测试中，在包含40个复杂技能的场景下，它仍然可以保持97%的遵循率，并且在MM-Claw“龙虾测试”里正确率达62.7%。

另外，它还原生自带多智能体协作，不用外部框架也能组建Agent Teams。模型能稳定锚定身份并自主决策，智能体之间互相配合就能把长流程任务拆解执行完。

顺着底层执行力往下，是代码能力的直观爆发——它从单纯的代码生成，拓展到了代码重构、防漏洞及复杂排障等高阶领域。

切换到办公场景，M2.7处理复杂Office文档同样干脆，支持Excel表格、Word文档和PPT的复杂多轮修改。以真实的某公司案例为例，丢给它年报和沟通会资料，它能自主比对研报并构建营收预测模型；分析完数据后，它能直接生成Excel透视表，“顺手”写出Word版调研报告，并基于模板排版出能直接拿来汇报的PPT。

业内人士评价说，过去，大模型大多充当的还是“最强大脑”，如今MiniMax释出的是一个拥有“手脚、工具和记忆”的多面手系统。

大模型开始自我进化了

当模型有能力自己构建工具链、优化执行路径并在反馈中持续重写自身策略时，它的定位就有了根本性的改变：它不再只是被优化的对象，而成为优化过程的一部分。

“M2.7已经具备了自我构建复杂Agent Harness的能力。”研发人员向新民晚报记者透露。所谓Agent Harness，其实就是模型和现实电脑环境打交道的工具箱和操作台，OpenClaw就可以被理解为是Harness的一种。简言之，以前的模型通常是人给什么工具就用什么，但现在M2.7已经能自己造工具了；而且它还能主动迭代Harness本身，给整个工具箱来一波升级。

在MiniMax内部，Agent Harness的价值已经得到了验证，仅用1人、4天、零代码，M2系列模型就以“架构师”身份自主搭建起完整的开发Agent系统，并在此基础上构建覆盖数据、训练、评测与记忆的研究型Agent体系。人类工程师只设定方向，模型完成构建，形成了“用AI迭代AI”的自我进化闭环。

新民晚报记者了解到，MiniMax设计和实现了一个简易的脚手架来引导Agent进行自主优化，核心的模块包括短时记忆、自反馈以及自优化。具体来讲，Agent完成每轮迭代后会形成一个短时记忆文件，同时对当前轮次的结果进行自反馈，从而给下一轮次提供潜在的优化方向，下一轮次基于所有历史轮次的记忆及自反馈链进行下一步的自优化。

值得一提的是，得益于模型自身演化出来的自迭代能力，M2.7的科研表现显著提升。它向以Kaggle竞赛为基础构建的MLE Bench评测体系发起了挑战，其中在MLE Lite的22道高难度竞赛题目中， 一举拿下了9枚金牌。

很多人说，M2.7的发布，对于这家完成资本跃升不久的大模型独角兽而言，或许只是其马拉松里的一个既定节点。

从此次“上新”的重点来看，M2.7在试图回答一个问题：模型究竟能不能稳定融入真实的工作流。恰如MiniMax创始人、CEO闫俊杰所坚持的，大模型的真正价值不在于制造对立，而在于如何作为一种日常化的工具，去分担那些繁琐的“脏活累活”。

没人能料到，OpenClaw的热度从年初延续到了今天。国内大模型厂商也纷纷加快了在“AI 养虾”赛道的布局，来自上海的MiniMax上个月末，便在其Agent平台上推出了 MaxClaw模式，依托M2.5大模型，10秒内就能部署一个24小时待命的私人助理。

这也让人更加期待，MiniMax全新一代大模型发布之后，又将在以“养虾”为代表的Agent场景中带来怎样的新玩法。

昨天（3月18日），它来了！新亮相MiniMax M2.7，给了人们意料之中的惊喜——覆盖多场景、具备系统级能力的“全能选手”成型了。更关键的是，M2.7是MiniMax第一个模型深度参与迭代自己的模型！

指令遵循和多智能体协作能力跃升

从2.5到2.7，就模型的发展而言，看似只是一小步。那M2.7有哪些硬核的亮点？

无疑，首先指令遵循和多智能体协作的跃升，面对海量技能（Skills）的复杂环境，M2.7调用得极其稳健。官方测试中，在包含40个复杂技能的场景下，它仍然可以保持97%的遵循率，并且在MM-Claw“龙虾测试”里正确率达62.7%。

另外，它还原生自带多智能体协作，不用外部框架也能组建Agent Teams。模型能稳定锚定身份并自主决策，智能体之间互相配合就能把长流程任务拆解执行完。

顺着底层执行力往下，是代码能力的直观爆发——它从单纯的代码生成，拓展到了代码重构、防漏洞及复杂排障等高阶领域。

切换到办公场景，M2.7处理复杂Office文档同样干脆，支持Excel表格、Word文档和PPT的复杂多轮修改。以真实的某公司案例为例，丢给它年报和沟通会资料，它能自主比对研报并构建营收预测模型；分析完数据后，它能直接生成Excel透视表，“顺手”写出Word版调研报告，并基于模板排版出能直接拿来汇报的PPT。

业内人士评价说，过去，大模型大多充当的还是“最强大脑”，如今MiniMax释出的是一个拥有“手脚、工具和记忆”的多面手系统。

大模型开始自我进化了

当模型有能力自己构建工具链、优化执行路径并在反馈中持续重写自身策略时，它的定位就有了根本性的改变：它不再只是被优化的对象，而成为优化过程的一部分。

“M2.7已经具备了自我构建复杂Agent Harness的能力。”研发人员向新民晚报记者透露。所谓Agent Harness，其实就是模型和现实电脑环境打交道的工具箱和操作台，OpenClaw就可以被理解为是Harness的一种。简言之，以前的模型通常是人给什么工具就用什么，但现在M2.7已经能自己造工具了；而且它还能主动迭代Harness本身，给整个工具箱来一波升级。

在MiniMax内部，Agent Harness的价值已经得到了验证，仅用1人、4天、零代码，M2系列模型就以“架构师”身份自主搭建起完整的开发Agent系统，并在此基础上构建覆盖数据、训练、评测与记忆的研究型Agent体系。人类工程师只设定方向，模型完成构建，形成了“用AI迭代AI”的自我进化闭环。

新民晚报记者了解到，MiniMax设计和实现了一个简易的脚手架来引导Agent进行自主优化，核心的模块包括短时记忆、自反馈以及自优化。具体来讲，Agent完成每轮迭代后会形成一个短时记忆文件，同时对当前轮次的结果进行自反馈，从而给下一轮次提供潜在的优化方向，下一轮次基于所有历史轮次的记忆及自反馈链进行下一步的自优化。

值得一提的是，得益于模型自身演化出来的自迭代能力，M2.7的科研表现显著提升。它向以Kaggle竞赛为基础构建的MLE Bench评测体系发起了挑战，其中在MLE Lite的22道高难度竞赛题目中， 一举拿下了9枚金牌。

很多人说，M2.7的发布，对于这家完成资本跃升不久的大模型独角兽而言，或许只是其马拉松里的一个既定节点。

从此次“上新”的重点来看，M2.7在试图回答一个问题：模型究竟能不能稳定融入真实的工作流。恰如MiniMax创始人、CEO闫俊杰所坚持的，大模型的真正价值不在于制造对立，而在于如何作为一种日常化的工具，去分担那些繁琐的“脏活累活”。

没人能料到，OpenClaw的热度从年初延续到了今天。国内大模型厂商也纷纷加快了在“AI 养虾”赛道的布局，来自上海的MiniMax上个月末，便在其Agent平台上推出了 MaxClaw模式，依托M2.5大模型，10秒内就能部署一个24小时待命的私人助理。

这也让人更加期待，MiniMax全新一代大模型发布之后，又将在以“养虾”为代表的Agent场景中带来怎样的新玩法。

昨天（3月18日），它来了！新亮相MiniMax M2.7，给了人们意料之中的惊喜——覆盖多场景、具备系统级能力的“全能选手”成型了。更关键的是，M2.7是MiniMax第一个模型深度参与迭代自己的模型！

指令遵循和多智能体协作能力跃升

从2.5到2.7，就模型的发展而言，看似只是一小步。那M2.7有哪些硬核的亮点？

无疑，首先指令遵循和多智能体协作的跃升，面对海量技能（Skills）的复杂环境，M2.7调用得极其稳健。官方测试中，在包含40个复杂技能的场景下，它仍然可以保持97%的遵循率，并且在MM-Claw“龙虾测试”里正确率达62.7%。

另外，它还原生自带多智能体协作，不用外部框架也能组建Agent Teams。模型能稳定锚定身份并自主决策，智能体之间互相配合就能把长流程任务拆解执行完。

顺着底层执行力往下，是代码能力的直观爆发——它从单纯的代码生成，拓展到了代码重构、防漏洞及复杂排障等高阶领域。

切换到办公场景，M2.7处理复杂Office文档同样干脆，支持Excel表格、Word文档和PPT的复杂多轮修改。以真实的某公司案例为例，丢给它年报和沟通会资料，它能自主比对研报并构建营收预测模型；分析完数据后，它能直接生成Excel透视表，“顺手”写出Word版调研报告，并基于模板排版出能直接拿来汇报的PPT。

业内人士评价说，过去，大模型大多充当的还是“最强大脑”，如今MiniMax释出的是一个拥有“手脚、工具和记忆”的多面手系统。

大模型开始自我进化了

当模型有能力自己构建工具链、优化执行路径并在反馈中持续重写自身策略时，它的定位就有了根本性的改变：它不再只是被优化的对象，而成为优化过程的一部分。

“M2.7已经具备了自我构建复杂Agent Harness的能力。”研发人员向新民晚报记者透露。所谓Agent Harness，其实就是模型和现实电脑环境打交道的工具箱和操作台，OpenClaw就可以被理解为是Harness的一种。简言之，以前的模型通常是人给什么工具就用什么，但现在M2.7已经能自己造工具了；而且它还能主动迭代Harness本身，给整个工具箱来一波升级。

在MiniMax内部，Agent Harness的价值已经得到了验证，仅用1人、4天、零代码，M2系列模型就以“架构师”身份自主搭建起完整的开发Agent系统，并在此基础上构建覆盖数据、训练、评测与记忆的研究型Agent体系。人类工程师只设定方向，模型完成构建，形成了“用AI迭代AI”的自我进化闭环。

新民晚报记者了解到，MiniMax设计和实现了一个简易的脚手架来引导Agent进行自主优化，核心的模块包括短时记忆、自反馈以及自优化。具体来讲，Agent完成每轮迭代后会形成一个短时记忆文件，同时对当前轮次的结果进行自反馈，从而给下一轮次提供潜在的优化方向，下一轮次基于所有历史轮次的记忆及自反馈链进行下一步的自优化。

值得一提的是，得益于模型自身演化出来的自迭代能力，M2.7的科研表现显著提升。它向以Kaggle竞赛为基础构建的MLE Bench评测体系发起了挑战，其中在MLE Lite的22道高难度竞赛题目中， 一举拿下了9枚金牌。

很多人说，M2.7的发布，对于这家完成资本跃升不久的大模型独角兽而言，或许只是其马拉松里的一个既定节点。

从此次“上新”的重点来看，M2.7在试图回答一个问题：模型究竟能不能稳定融入真实的工作流。恰如MiniMax创始人、CEO闫俊杰所坚持的，大模型的真正价值不在于制造对立，而在于如何作为一种日常化的工具，去分担那些繁琐的“脏活累活”。