文章总结： Minimax于2026年4月开源其m2.7大模型，该模型是业界首个深度参与自身迭代的AI，能自主构建Agent框架并执行超100轮分析-修改-评测循环，在软件工程与办公场景评测中接近顶尖水平，且首日完成国产芯片适配，标志着AI从工具向自我进化生产力伙伴转变，但安全性与泛化能力仍需观察。 综合评分： 88 文章分类： AI安全,开源,大模型,技术标准,解决方案

MiniMax扔出一颗炸弹：这款开源大模型，是自己教出来的

原创

AI观察 AI观察

AI员工上线

2026年4月13日 19:54 广东

在小说阅读器读本章

去阅读

4月12号凌晨三点，我一个做 Agent 的朋友给我发了条消息。

就六个字：“卧槽，它开源了。”

我一开始还没反应过来。大模型开源，2026年还少吗？

但当我点开链接，看到那一行字的时候，我也愣了——

“M2.7 是业界第一个 AI 深度参与迭代自己的模型。”

说白了，这玩意儿不只是个聊天机器人。

它还是个”老师”，教出来的学生就是它自己。

一、先给不看科技新闻的朋友补个课

MiniMax 是国内最早一批做大模型的公司，旗下的海螺 AI 很多人用过。

3月中旬，他们发布了 M2.7，当时的口号就是”开启模型的自我进化”。

而 4月12日，他们直接把这套模型给开源了，而且是全球开源。

但更炸裂的不是”开源”本身。

而是它开源的底气，到底从哪来。

根据 MiniMax 官方的说法，M2.7 在研发过程中，能够自行构建复杂的 Agent Harness（你可以理解为智能体的”骨架”）。

然后基于 Agent Teams、复杂 Skills、Tool Search 这些能力，深度参与自己的训练、优化和迭代。

里面有个数据特别吓人：在内部测试中，M2.7 可以连续执行 超过100轮 “分析失败轨迹 → 规划改动 → 修改脚手架代码 → 运行评测 → 对比结果 → 决定保留或回退”的自主循环。

最终效果提升了约 30%。

“模型不再只是工具，它开始成为研发流程的一部分。”

这不是营销话术。

MiniMax 自己说了，在某些研发工作流里，M2.7 已经能承担 30%-50% 的工作量。

二、这模型到底恐怖在哪？

以前的大模型，就像一匹被驯好的马。

人类研究员是驯马师，喂数据、调参数、做评测，一步一步把它练出来。

周期动不动就是几个月，烧钱像烧纸。

但 M2.7 干的事，相当于这匹马自己学会了看赛马录像，自己调整步态，自己给自己加练。

然后还知道自己哪里跑得不好、下次怎么改。

而且不只是”空想”——它在 SWE-bench Pro（软件工程能力评测）里拿了 56.22%，几乎追平 Opus 最好的水平。

在 VIBE-Pro（完整项目交付评测）里拿了 55.6%，也是接近 Opus 4.6 的水准。

更接地气的是办公场景。

GDPval-AA 评测里，M2.7 的 ELO 得分是 1495，开源模型里的最高分。

Excel、PPT、Word 的多轮高保真编辑，现在可以直接交给它干。

说白了，这模型不是只会聊天的”嘴炮”。

它是真的能写代码、能改文档、能捣腾数据、还能自己越练越强的”实干派”。

三、国产芯片首日适配，意味着什么？

还有一个点，很多人可能没注意到。

M2.7 开源的首日，就已经完成了对华为昇腾、摩尔线程、沐曦、昆仑芯、NVIDIA 等芯片的适配。

TogetherAI、Fireworks、Ollama、vLLM、SGLang 这些平台，同一天上线支持。

什么概念？

以前国产模型开源，芯片适配往往要拖个几周甚至几个月。

企业想拿来用，先得被”生态卡脖子”。

现在直接”发布即就绪”。

IDC 的数据也能佐证这个趋势：2025 年中国云端 AI 加速器市场，本土芯片厂商已经拿下了 41% 的份额，总出货量约 165 万张。

华为以 81.2 万颗领跑，昆仑芯、寒武纪、沐曦紧随其后。

开源的意义从来不只是”免费”，而是让更多的人、更多的芯片、更多的场景，能真正跑起来。

MiniMax 这次显然不是做慈善。

它是在下一盘更大的棋：让 M2.7 成为国内 AI 基础设施的一部分。

四、普通人该看到什么信号？

聊完技术，说说这事对咱们意味着什么。

第一，Agent 时代真的来了。

不是那种”帮我写个小红书文案”的玩具 Agent，而是能深入工程流、能干脏活累活、能自我迭代的”生产力 Agent”。

M2.7 的 Agent Teams 能力，意味着你可以让它像一个小团队一样分工协作——有的角色负责写代码，有的负责挑 bug，有的负责测试，彼此还能互相 challenge。

第二，Scaling Law 见顶的声音，可能喊早了。

GPT-5难产、OpenAI 融资700亿还被质疑估值虚高，很多人以为大模型已经卷到头了。

但 M2.7 给出的答案是：路还没走完，只是方向变了。

从”堆算力、堆数据”变成了”让 AI 自己优化自己”。

第三，国产模型正在换打法。

以前跟 OpenAI 拼参数、拼榜单，那是人家的游戏规则。

现在 MiniMax 在玩的是”开源+生态+自我进化”，这相当于直接把桌子掀了，重开一局。

五、该泼的冷水

当然，夸完了，该泼的冷水也得泼。

M2.7 目前展现的能力，主要集中在 MiniMax 自家的研发流程里。

它能不能泛化到更多企业的真实场景？开源社区能不能接得住这么复杂的自我进化框架？

这些还都是问号。

而且，一个会自己改自己代码的 AI，也让人忍不住想多问一句：

安全边界谁来画？

但不管怎样，有一点是可以确定的：

那个”AI只是人类工具”的时代，可能真的要翻篇了。

MiniMax 这次把 M2.7 开源出来，相当于向全世界发了一封挑战书——不是比谁参数多，而是比谁能让 AI 学得更快、跑得更远、变得更聪明。

至于 OpenAI 接不接招，其他国产厂商跟不跟，接下来这半年，肯定好戏连台。

写在最后

写到这里，我突然想起我朋友凌晨三点发的那六个字。

当时我还嫌他大惊小怪。

现在回头看，可能他比大多数人更早闻到了变天的味道。

AI 正在从”被训练”走向”自己长大”。

这个转变，不会一夜之间改变你的生活。

但它会一点一点地，改变我们身边所有东西的底层逻辑。

包括谁才有资格被称作”老师”。

就这样吧。你怎么看这事儿？

你觉得 AI 自己教自己，到底是福音还是隐患？

评论区聊聊。

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：AI员工上线 AI观察 AI观察《MiniMax扔出一颗炸弹：这款开源大模型，是自己教出来的》