一、簡介
昨天， MiniMax M2.7 [1] 發佈了。
我都驚了，上一個版本 M2.5 發佈才一個月，中間還有春節，居然這麼快就有新版本。
官方的宣傳語這次是“開啓 AI 自我進化”。
這是什麼意思，難道模型自己進化出了新版本，所以升級這麼快？
二、模型的自進化
我讀了一下 發佈說明 ，這次確實是“ 模型自己迭代自己 ”。
根據介紹，這個模型接受用戶輸入後，會自動生成一個 Agent Harness。這是跟以前不一樣的地方。
我查了一下，這個英文詞組好像是“測試框架”的意思，指的是一組約束條件。
模型會根據這組約束條件， 自主評估本次的表現，根據評估結果，進入下一輪迭代，直到取得最優結果 ，從而實現“自己迭代自己”的效果。
“運行過程中，Agent 完成每輪迭代後會形成一個短時記憶 md 文件，同時對當前輪次的結果進行自反饋，從而給下一輪次提供潛在的優化方向，下一輪次基於所有歷史輪次的記憶及自反饋鏈進行下一步的自優化。”
如果是軟件項目，模型的行爲就是“優化某一個點 → 自我評估優化結果 → 結果不理想，修改代碼 → 運行評測 → 對比結果 → 決定保留或回退”，這樣的迭代循環可以超過100輪。
官方說，採用這種機制訓練出來的模型，表現非常好。
“在 MLE Lite 22道高難度競賽中，取得9金5銀1銅，得牌率 66.6%，僅次於 Opus-4.6（75.7%）、GPT-5.4（71.2%），與 Gemini-3.1 持平。”
業內最看重的 SWE Bench Pro，得分也是僅次於 Sonnet 4.6、Opus 4.6、GPT 5.4 等國外旗艦模型。
三、編程能力
看了官方介紹，我着手測了一下它的實際編程能力。
我用的是自己的 測試題庫 [2] 。這個題庫以前也 測過 MiniMax M2.5 ，這樣就能比較結果。
我直接說結論：編程能力比上一個版本有進步，但是幅度不算大，體現在細節有改進。
（1）網頁設計測試。結果跟上次類似，表現非常好，設計要求都做到了，可以不修改，直接上線。
（2）網頁遊戲《憤怒的小鳥》測試。跟上次一樣，生成的遊戲是可玩的，細節有進步，但是小鳥和彈弓的形狀還是不逼真。
（3）全棧測試。PHP Laravel 框架轉 JS 的 Next.js 框架，結果堪稱完美，上次有一個小接口的數據沒有正常顯示，這次沒有這個問題。
（4）網頁 2D 動畫測試。物理實驗《麥克斯韋小惡魔》的動畫展示，比上次的效果更好，粒子運動更逼真，運行起來資源佔用小。
大家可以跟 上一個版本的評測 對比一下。
四、Skill 能力
官方這次對於編程能力其實沒有多談，提到的亮點之中，更顯著的是 Skill 能力的提升。
調用各種 skills 和工具、並在長程交互中保持穩定的指令遵循。M2.7 在這些方面有大幅提升，……能保持 97% 的 skills 遵循率。
他們還發布了一個 官方 Skill 倉庫 [3] 。我印象中，這好像是第一家國內大模型公司這麼做的。
因爲剛剛發佈，裏面的 Skill 還不多，只有6個。
提供的能力包括了前端、全棧、iOS、安卓和 3D 渲染。
官方 Skill 的安裝，可以參考 倉庫說明 [4] ，根據你的 Coding Agent 進行選擇，我的是 Claude Code。
我做了一個小測試，先測一下不用 Skill 的效果。
生成一個網頁，用戶可以加載 SQLite 數據庫文件，在頁面展示該數據庫的實體關係圖。生成時不要使用 Skill。
頁面結果如下（不帶 Skill）。
第二次同樣的提示詞，但要求使用 Skill。
調用 frontend-dev skill，生成一個網頁，用戶可以加載 SQLite 數據庫文件，在頁面展示該數據庫的實體關係圖。
可以看到，調用技能以後，頁面更美觀，細節處理更到位。
更重要的是，不用 Skill 時，生成的應用帶有後端，需要起一個後端 Python 服務來讀取數據庫。使用前端 Skill後，變成了一個純靜態頁面，沒有了後端，全部在前端，SQLite 數據庫由前端 WebAssembly 腳本處理。
五、數字化辦公
發佈說明還提到另一個亮點：Office 文件處理能力有大幅提高。
M2.7 對 Office 三件套 Excel/PPT/Word 的複雜編輯能力顯著提升，能更好地完成多輪修改和高保真的編輯。
我試了一下，要求它生成上市公司的研究報告。
收集貴州茅臺年報和新聞信息，撰寫一份 Word 文檔研究報告和 Excel 圖表，並基於 PPT 模版產出 PPT。
模型反饋的生成結果如下。
下面就是實際生成的 Office 文件。
因爲我沒有提供模版，頁面單調了一點，但是基本內容是完整的。
根據說明，MiniMax M2.7 的強項是，可以根據指令，對 Office 文件進行高保真的多輪編輯，而且能夠處理複雜的 Excel 報表，支持數據處理的金融公式和腳本，這裏暫時就不測了。
六、其他功能
發佈報告還提到了其他一些亮點，比如科研能力，可以求解高難度的數學題。
還有角色扮演，可以覆蓋羣聊、遊戲等多種場景，具備人設保持和對話能力，很適合與 OpenClaw 配合使用。
我看到一個示意圖，在遊戲裏面，對不同角色調用不同 AI 完成任務。
我對這個功能很感興趣，可惜不知道怎麼測，希望官方能出一個教程。
七、總結
使用以後，我覺得 MiniMax M2.7 比上一個版本確實有明顯提升，而且支持的場景多，許多場合都能用。
編程和文字處理是它的強項 ，尤其是複雜問題。
如果它真的做到了“自我迭代”，可能距離全自動的“自進化”也不遠了。我很好奇，下一個版本會是什麼樣，又需要多久。
（完）
References
[1]
MiniMax M2.7:
https://minimaxi.com/models/text/m27
[2]
測試題庫:
https://github.com/ruanyf/ai-test-case
[3]
官方 Skill 倉庫:
https://github.com/MiniMax-AI/skills
[4]
倉庫說明:
https://github.com/MiniMax-AI/skills/blob/main/README_zh.md