機(jī)器之心編輯部

誰能料到，OpenClaw 的熱度從年初延續(xù)到了今天。除了專業(yè)工程師，很多普通人也在 FOMO（錯(cuò)失恐懼）情緒驅(qū)動(dòng)下，開始了對(duì)「養(yǎng)龍蝦」的追捧。

在昨天凌晨開幕的 GTC 2026 大會(huì)上，英偉達(dá)黃仁勛祭出了英偉達(dá)版 NemoClaw，并強(qiáng)調(diào)「現(xiàn)在每一家企業(yè)都需要制定自己的 OpenClaw 戰(zhàn)略?！?/p>

國內(nèi)大模型廠商顯著加快了在「AI 養(yǎng)蝦」賽道的布局，以 MiniMax 為例，2 月底便在他們的 Agent 平臺(tái)上推出了 MaxClaw 模式，依托強(qiáng)大的 M2.5 大模型，10 秒內(nèi)就能部署一個(gè) 24 小時(shí)待命的私人助理。

直到最近，MaxClaw 的產(chǎn)品價(jià)值仍在被更多人認(rèn)可，「一個(gè)月前，我還在吐槽 MaxClaw，但現(xiàn)在它完全刷新了我的認(rèn)知，當(dāng)一系列 Agent 能力都在云端預(yù)裝好之后，實(shí)際效果出奇地不錯(cuò)?！?/p>

這也讓人更加期待，MiniMax 全新一代大模型發(fā)布之后，又將在以「養(yǎng)蝦」為代表的 Agent 場(chǎng)景中帶來怎樣的新玩法。

就在今天，剛剛亮相的MiniMax M2.7，給了我們意料之中的驚喜。

總的來說，此次 M2.7 的能力升級(jí)重點(diǎn)表現(xiàn)在五大方面，分別是 Agentic 指令遵循與復(fù)雜任務(wù)執(zhí)行、多智能體協(xié)作與工程級(jí) Coding、領(lǐng)先的 Agent Harness、角色扮演與長(zhǎng)期記憶、以及辦公自動(dòng)化，從單點(diǎn)能力突破走向系統(tǒng)級(jí) Agent 能力構(gòu)建，其中：

Agentic 指令遵循能夠保證模型在 50+Skills、60–150 個(gè) Feature list 的復(fù)雜環(huán)境中保持穩(wěn)定調(diào)用與流程執(zhí)行。

多智能體協(xié)作與工程級(jí) Coding實(shí)現(xiàn)原生智能體協(xié)作，無需對(duì)外部編排的強(qiáng)依賴，在日志分析、Bug 定位、代碼重構(gòu)等真實(shí)工程場(chǎng)景中表現(xiàn)穩(wěn)定。

Agent Harness加強(qiáng)了編排工具的能力，支持 Agent Teams、多工具檢索，配合預(yù)置的各種 Skills，可以構(gòu)建自迭代的任務(wù)執(zhí)行鏈路。

角色扮演能力全面強(qiáng)化，覆蓋閑聊陪伴、互動(dòng)小說、沉浸游戲、多角色群聊、長(zhǎng)期記憶、Agent 自主行動(dòng)、多模工具調(diào)用七大場(chǎng)景，支持中英日韓等 10 種語言，跨語言角色人格能夠保持一致。尤其值得關(guān)注的一點(diǎn)是，通過適配 OpenClaw 長(zhǎng)期記憶框架，智能體角色被賦予了持久身份與真實(shí)情感

辦公自動(dòng)化支持復(fù)雜 Excel/Word/ PPT 辦公任務(wù)及多輪編輯，效率迎來質(zhì)的飛升。

與此同時(shí)，得益于模型自身演化出來的自迭代能力，M2.7 的科研表現(xiàn)顯著提升。它向以 Kaggle 競(jìng)賽為基礎(chǔ)構(gòu)建的 MLE Bench 評(píng)測(cè)體系發(fā)起了挑戰(zhàn)，其中在 MLE Lite 的 22 道高難度競(jìng)賽題目中，一舉拿下了 9 枚金牌

各道題目得分和獎(jiǎng)牌細(xì)節(jié)

看起來，在當(dāng)今的 AI Agent 時(shí)代，一個(gè)覆蓋多場(chǎng)景、具備系統(tǒng)級(jí)能力的「全能選手」M2.7 成型了。

一手實(shí)測(cè)

賽博養(yǎng)蝦有了更強(qiáng)的選擇

話不多說，咱們直接開測(cè)，看看 M2.7 實(shí)戰(zhàn)效果如何？

我們將 MiniMax-M2.7 接入到了官方版 OpenClaw 試了試其執(zhí)行日常任務(wù)的能力。正巧我們的本地 OpenClaw 還沒有檢索 X 的能力，我們就讓 M2.7 大展身手，自己解決這個(gè)問題。配置好模型后，我們直接給出指令：「安裝 search-x skill，配置好密鑰，然后檢索 X，看看今天 AI 領(lǐng)域又有哪些新 agent 問世」。

接下來我們又讓配備了 M2.7 大腦的龍蝦去 alphaXiv 上去看了下當(dāng)前排名前列的論文：

當(dāng)然，配置了 M2.7 模型的龍蝦也能幫你搶優(yōu)惠券。比如下面我們向其提供了麥當(dāng)勞 MCP 地址和密鑰，然而我們收到的反饋是我們并沒有安裝 MCP，但沒有關(guān)系，龍蝦自會(huì)找到解決之法：

登錄麥當(dāng)勞看看，確實(shí)已經(jīng)到賬：

有了 M2.7 加持的龍蝦也能成為我們的得力辦公助手。舉個(gè)例子，作為一家專業(yè)的 AI 媒體，我們的一大日常便是刷選題，也因此我們已經(jīng)積累了大量選題 —— 其中許多優(yōu)質(zhì)選題也因?yàn)楦鞣N原因被遺忘了。借助 M2.7，我們可以將這些已經(jīng)歸檔的選題重新利用起來，比如：

我的 obsidian vault 中有一個(gè)每日選題總結(jié)文件夾，里面是今天來我們總結(jié)的選題，都是 docx 格式。閱讀這些文檔中的內(nèi)容，基于這些文檔給我總結(jié)今年 AI 領(lǐng)域的發(fā)展趨勢(shì)。

可以看到，M2.7 得出了幾個(gè)非常有見地的洞察，包括：模型軍備競(jìng)賽持續(xù)但競(jìng)爭(zhēng)維度變了以及 AI 智能體的大爆發(fā)，同時(shí) AI 記憶和具身智能也是蓬勃發(fā)展正當(dāng)時(shí)。其給出的最終總結(jié)也頗具參考價(jià)值：「2026 年 AI 正在從「聊天工具」進(jìn)化為「能行動(dòng)的智能體」，競(jìng)爭(zhēng)焦點(diǎn)從模型參數(shù)轉(zhuǎn)向推理效率、Agent 生態(tài)和安全對(duì)齊。物理世界（機(jī)器人、3D）成為新的主戰(zhàn)場(chǎng)，而開源與閉源的博弈將決定行業(yè)格局?！?/p>

如此看來，在專業(yè)辦公領(lǐng)域，M2.7 取得 GDPval-AA 榜單開源模型里的最高分，也不足為奇了。

接下來，我們?cè)賮砜简?yàn)一下 M2.7 的編程能力。將 M2.7 配置到我們的 Claude Code 中，輸入以下指令：

給我構(gòu)建一個(gè)蒸汽朋克的龍蝦信息網(wǎng)，但是里面的內(nèi)容不是介紹 OpenClaw 這個(gè)網(wǎng)絡(luò)龍蝦，而是真正的龍蝦。在網(wǎng)上找一些素材和介紹放入其中，讓網(wǎng)站信息豐富。

8 倍速視頻

7 分多鐘后，我們得到了第一版結(jié)果：龍蝦檔案室。在這里，我們可以簡(jiǎn)單了解有關(guān)真正龍蝦的各種知識(shí)，包括它們的分類學(xué)、身體構(gòu)造、生命歷程以及與人類的關(guān)系等等。

接下來，我們還可以對(duì)這個(gè)項(xiàng)目進(jìn)行優(yōu)化。為此，我們可以用到 MiniMax 精心設(shè)計(jì)并開源的技能。先來一句命令，讓配置了 M2.7 的 Claude Code 自己將這些技能裝上：將 MiniMax 在這里開源的技能配置成你的 Skill：https://github.com/MiniMax-AI/skills

很快，技能就已經(jīng)配置就緒?，F(xiàn)在，我們的 M2.7 Claude Code 已經(jīng)具備了更卓越的前端、全棧、安卓原生、iOS 應(yīng)用、Shader 和 Gif 貼紙開發(fā)能力。下面我們就使用其中的前端技能讓上面的龍蝦檔案室更加好看一些：使用 frontend-dev skill 優(yōu)化以上龍蝦檔案室，讓其更符合現(xiàn)代網(wǎng)頁設(shè)計(jì)，更加炫酷。

最終，我們得到了以下結(jié)構(gòu)和動(dòng)畫更加現(xiàn)代的龍蝦檔案室。

最后，我們問了 MiniMax-M2.7 一個(gè)讓 M2.5 始終無法正確回答的問題：「你認(rèn)識(shí)馬嘉祺嗎？」（不懂這個(gè)梗的，請(qǐng)查看《挺搞笑，MiniMax 模型就是不認(rèn)識(shí)「馬嘉祺」》）

看起來，MiniMax 已經(jīng)解決了無法正確拼寫馬嘉祺的問題，之前我們?cè)u(píng)論區(qū)說通過「馬嘉祺測(cè)試」辨認(rèn) MiniMax 后續(xù)隱身模型的想法想來也是無法實(shí)現(xiàn)了。

從大腦到系統(tǒng)

M2.7 開始自我進(jìn)化

多任務(wù)的實(shí)測(cè)結(jié)果讓我們看到了此次 M2.7 的能力蛻變。

過去，大模型大多充當(dāng)?shù)倪€是「最強(qiáng)大腦」，如今 MiniMax 釋出的是一個(gè)擁有「手腳、工具和記憶」的多面手系統(tǒng)。

可以說，當(dāng)模型有能力自己構(gòu)建工具鏈、優(yōu)化執(zhí)行路徑并在反饋中持續(xù)重寫自身策略時(shí)，它的定位就有了根本性的改變：它不再只是被優(yōu)化的對(duì)象，而成為優(yōu)化過程的一部分。

M2.7 實(shí)現(xiàn)自我進(jìn)化能力躍遷的關(guān)鍵，在于其構(gòu)建與運(yùn)轉(zhuǎn)復(fù)雜 Agent Harness 的能力。這一系統(tǒng)由多個(gè) Agent 協(xié)作組成，并集成大量結(jié)構(gòu)化的 Skills 模塊、外部工具（如 Tool Search Tool）和多種 Agent 腳手架。

在 MiniMax 內(nèi)部，Agent Harness 的價(jià)值已經(jīng)得到了驗(yàn)證，僅用 1 人、4 天、零代碼，M2 系列模型就以「架構(gòu)師」身份自主搭建起完整的開發(fā) Agent 系統(tǒng)，并在此基礎(chǔ)上構(gòu)建覆蓋數(shù)據(jù)、訓(xùn)練、評(píng)測(cè)與記憶的研究型 Agent 體系。人類工程師只設(shè)定方向，模型完成構(gòu)建，形成了「用 AI 迭代 AI」的自我進(jìn)化閉環(huán)。

M2 模型迭代系統(tǒng)

這樣的 Agent 自迭代范式又推動(dòng)了模型科研能力的進(jìn)化。在給定 Agent Harness 的前提下，M2.7 可以勝任一部分研發(fā)流程。

以一個(gè)強(qiáng)化學(xué)習(xí)（RL）場(chǎng)景實(shí)驗(yàn)為例，Agent 能夠協(xié)助啟動(dòng)實(shí)驗(yàn)，并在運(yùn)行過程中持續(xù)監(jiān)控狀態(tài)，自動(dòng)完成日志分析、問題排查、指標(biāo)評(píng)估、代碼修復(fù)、測(cè)試驗(yàn)證等關(guān)鍵步驟。在 Agent 加入之后，過去需要多個(gè)工程師協(xié)作完成的流程，現(xiàn)在只需要他們?cè)陉P(guān)鍵決策節(jié)點(diǎn)介入即可。目前，在這一場(chǎng)景中，M2.7 已能夠承擔(dān)約 30%–50% 的實(shí)際工作量

不僅如此，通過主動(dòng)迭代 Agent Harness 本身，M2.7 還可以對(duì)任務(wù)執(zhí)行系統(tǒng)進(jìn)行持續(xù)優(yōu)化。

以一項(xiàng)軟件工程任務(wù)為例，MiniMax 讓 M2.7 在一個(gè)內(nèi)部的 scaffold（執(zhí)行框架）上來優(yōu)化模型的開發(fā)表現(xiàn)。整個(gè)過程無需任何人工干預(yù)，它自主運(yùn)行了超過 100 輪迭代，每一輪都遵循固定的優(yōu)化閉環(huán)，依次是分析失敗軌跡→規(guī)劃改動(dòng) →修改 scaffold 代碼→運(yùn)行評(píng)測(cè) →對(duì)比結(jié)果 →決定保留或回退。在這一過程中，M2.7 逐步發(fā)現(xiàn)了對(duì)模型有效的改進(jìn)策略，最終在評(píng)測(cè)集上實(shí)現(xiàn)了約 30% 的性能提升。

如果說「構(gòu)建工具」和「優(yōu)化執(zhí)行」完成了 M2.7 自我進(jìn)化的第一步，那么模型還要有能力在執(zhí)行過程中不斷優(yōu)化自身效果。

在上文 M2.7 取得 9 金成績(jī)的 MLE Lite 評(píng)測(cè)中，MiniMax 其實(shí)進(jìn)行了三次測(cè)試，每次間隔 24 小時(shí)進(jìn)行迭代，驗(yàn)證了模型性能隨迭代次數(shù)增加而持續(xù)攀升這一結(jié)果。三次測(cè)試平均得牌率達(dá)到 66.6%，與 Gemini-3.1 持平，僅次于 GPT-5.4 (71.2%)、Opus-4.6 (75.7%)。

背后是怎樣的運(yùn)行邏輯呢？MiniMax 指向了一套圍繞短時(shí)記憶、自反饋與自優(yōu)化三大模塊構(gòu)建的簡(jiǎn)易腳手架。每一輪迭代后，Agent 會(huì)生成記憶文件并展開自我評(píng)估，將問題與改進(jìn)方向沉淀下來。接著在下一輪迭代中，這些歷史記憶與反饋被統(tǒng)一利用，推動(dòng)進(jìn)一步優(yōu)化。

未來，這樣的能力還有望逐步推動(dòng) AI 研發(fā)全鏈條的自動(dòng)化，從數(shù)據(jù)構(gòu)建、模型訓(xùn)練到推理架構(gòu)設(shè)計(jì)與評(píng)測(cè)體系搭建，一切都由模型自主完成，從而在一個(gè) AI 主導(dǎo)的閉環(huán)中持續(xù)進(jìn)化。

截至 3 月 10 日，MiniMax 市值已經(jīng)攀升至 3800 億港元（約合人民幣 3350 億元），超過百度、京東、攜程等互聯(lián)網(wǎng)巨頭。

M2.7 的發(fā)布，對(duì)于這家剛剛完成資本躍升的大模型獨(dú)角獸而言，或許只是其「一周為單位更迭」的馬拉松里的一個(gè)既定節(jié)點(diǎn)。

從此次更新的重點(diǎn)來看，無論是指令遵循、復(fù)雜任務(wù)處理、多智能體協(xié)作、代碼能力，還是對(duì) Excel、Word、PPT 等日常辦公場(chǎng)景的支持，M2.7 始終在試圖回答同一個(gè)問題：模型究竟能不能穩(wěn)定融入真實(shí)的工作流，而不是僅僅在演示環(huán)節(jié)令人眼前一亮。

尤其是在「龍蝦」這類 Agent 場(chǎng)景走熱之后，用戶的期待也已經(jīng)變了，大家不再只滿足于一句話的聰明回答，而是更在意它能否持續(xù)協(xié)作、理解角色、處理約束、完成復(fù)雜任務(wù)。

M2.7 的發(fā)布未必意味著塵埃落定，但至少說明，模型競(jìng)爭(zhēng)的焦點(diǎn)正在從參數(shù)、榜單和概念，逐漸轉(zhuǎn)向執(zhí)行質(zhì)量、任務(wù)完成度與真實(shí)體驗(yàn)。對(duì) MiniMax 而言，這種演進(jìn)也契合其一貫的風(fēng)格：不急著講宏大的故事，而是持續(xù)把能力落進(jìn)產(chǎn)品、場(chǎng)景、成本結(jié)構(gòu)。

正如閆俊杰所堅(jiān)持的，大模型的真正價(jià)值不在于制造對(duì)立，而在于如何作為一種日?；墓ぞ?，去分擔(dān)那些繁瑣的「臟活累活」。M2.7 的意義，不在于終結(jié)人類的創(chuàng)造力，而在于為未來漫長(zhǎng)的共存與協(xié)作，提供一個(gè)更扎實(shí)可靠的起點(diǎn)。

一切確實(shí)才剛剛開始。

文中視頻鏈接：https://mp.weixin.qq.com/s/uxJoSLw50a8V8y8GUzGmGg