1官方将M27定位为首个模型深度参与自身迭代的版本

其核心变化在于，模型开始自主构建Agent Harness，驱动强化学习循环，并完成100+轮迭代，带动内部评测集效果提升30%。 软件工程方面，SWE-Pro为56.22%，已接近Opus 4.6；VIBE-Pro为55.6%，SWE Multilingual为76.5%，GDPval-AAElo达到149 1）官方将M2.7定位为“首个模型深度参与自身迭代的版本”。 其核心变化在于，模型开始自主构建Agent Harness，驱动强化学习循环，并完成100+轮迭代，带动内部评测集效果提升30%。 软件工程方面，SWE-Pro为56.22%，已接近Opus 4.6；VIBE-Pro为55.6%，SWE Multilingual为76.5%，GDPval-AAElo达到1495，为当前开源阵营最高。 同时，生产环境故障恢复时间已缩短至3分钟以内。 Agent能力方面，在40个复杂skills场景下，指令遵循率达到97%，OpenClaw评测表现也已接近Sonnet 4.6 2）基础参数方面，M2.7的上下文窗口为200K token；定价为$0.30 / $1.20每百万输入/输出token，与M2.5持平；当前仅支持MiniMax官方API；模态上仍为纯文本输入/输出，暂不支持多模态；开源方面，权重暂未公布，而M2.5此前采用的是MIT协议。 3）从Artificial Analysis的评测结果看，M2.7的核心特点是Agent能力强、幻觉明显下降，但部分单项稳定性仍有分化。 其中，GDPval-AA Elo得分1494，高于MiMo-V2-Pro（1426）、GLM-5（1406）和Kimi K2.5（1283），但仍落后于GPT-5.4（1667）和Claude Opus 4.6（1606）。 幻觉控制方面，AA-Omniscience指数升至+1，而M2.5为-40；幻觉率降至34%，低于Claude Sonnet 4.6（46%）和Gemini 3.1 Pro Preview（50%）。 分项能力上，HLE提升9pct、TerminalBench Hard提升5pct、SciCode / IFBench各提升4pct、GPQA / LCR各提升3pct，但τ²-Bench下滑11pct，说明模型在部分复杂任务上的收益并不均衡。 4）效率与成本方面，M2.7的输出token用量约为8700万，相比M2.5的约5600万增长55%。 不过，其整体效率仍优于GLM-5（约1.1亿），与Kimi K2.5（约8900万）大体接近。 从成本看，按$0.30 / $1.20的价格运行全套评测仅需$176，明显低于GLM-5的$547、Kimi K2.5的$371和Gemini3 Flash Preview的$278，因此性价比依然具备竞争力。 5）一些实测反馈认为M2.7本质上是一次小版本升级，综合性能整体与M2.5持平。 改进主要体现在三点：一是指令遵循能力提升，但稳定性略有下降；二是长上下文场景下的幻觉减少，信息提取能力首次做到满分；三是编程工程掌控力增强，更频繁地产出类似SPEC_md / README_md的结构化文件。 不足之处则在于，硬推理能力小幅退步，复杂问题下的token消耗增加50%-100%，也更容易触及MaxToken上限；与此同时，推理速度仍维持在65 tps左右，并未明显提升。