一家中国视频生成初创公司悄然在编程领域击败了Claude Opus

当AI界持续关注OpenAI和Anthropic时，一家中国实验室悄然发布了一款符合自动化软件工程高标准的模型。此前以视频生成模型闻名的MiniMax，发布了M2.7, , 一款在SWE-Pro基准测试中得分56.22%的语言模型。该公司表示，这一结果接近Claude的Opus系列。minimax-launches-m27-model-with-strong-software-engineering-and-office-productivity-skills

SWE-Pro测试模型处理真实软件工程任务的能力：修复错误、编写补丁、浏览代码库。只有少数模型在此基准测试中突破50%，而这些模型大多来自预算更大的实验室。由前华为和微软顶尖研究员创立的初创公司MiniMax，如今已跻身这一行列。cognitions-swe-17-pushes-coding-agent-cost-performance-further-with-42-benchmark-score

但M2.7不仅仅关乎代码。其基准测试表密密麻麻地列出了跨越多个领域的成绩：VIBE-Pro上的端到端项目交付（55.6%）、Terminal Bench 2上的深度系统理解（57.0%），以及办公生产率方面的最高分。据MiniMax称，在衡量Excel、PowerPoint和Word文档编辑能力的GDPval-AA上，M2.7的Elo得分为1495，是开放模型中最高的。

大规模的技能遵循

MiniMax宣传材料中最具启示性的数据之一，是其在所谓“复杂技能”（需要超过2000个token指令的任务）上高达97%的技能遵循率。在一个LLM越来越多被用于多步骤、工具增强工作流的时代，能够在不产生幻觉或偏离的情况下遵循长而复杂的指令，可能比在静态数学基准上获得高分更有价值。why-your-ai-agent-might-ace-the-task-but-flunk-the-process-enter-skillcoach

MiniMax还强调了在MMClaw基准测试上的表现，该测试在OpenClaw智能体框架内评估模型，这是一个日益流行的测试模型与软件工具交互的沙箱。在该基准上，M2.7的表现接近Anthropic最新模型之一Sonnet 4.6。

该公司还围绕自我进化和多智能体协作这两个术语展开叙事，实践中，这指的是模型自主构建其Agent Harness并协调多次推理调用中子任务的能力。MiniMax声称M2.7可以自主构建复杂的Agent Harness来完成端到端的生产力任务。如果属实，这将减少工程师为每个新自动化流水线手工搭建脚手架的需求。recursivemas-scaling-multi-agent-collaboration-through-latent-space-recursion

两个层级，相同结果

MiniMax以两个推理层级发布M2.7：标准模型和名为M2.7-highspeed的高速变体。该公司承诺两者输出质量相同，高速版以延迟换取吞吐量。两个层级均可通过MiniMax API访问，并支持自动缓存, , 这一功能可大幅降低重复提示的成本。

该模型还可通过MiniMax自己的智能体平台获取，无需编码即可试验。对于已经使用Cursor或Windsurf等AI编码工具的团队，MiniMax提供直接集成。

定价与早期MiniMax模型保持一致，这使得M2.7成为那些希望获得接近最先进代码生成能力但又不想承担顶级西方实验室按token计费成本的团队的潜在选择。minimax-launches-m25-a-coding-and-agentic-ai-model-with-state-of-the-art-performance

一场更安静的竞赛

M2.7的发布正值LLM竞赛分化成两个方向。一方面，OpenAI和Anthropic等实验室在通用智能、多模态能力和推理链深度上竞争。另一方面，越来越多的挑战者, , DeepSeek、Qwen、Mistral，以及现在的MiniMax, , 专注于目标明确、高价值细分市场，在这些市场中，在广泛基准上略低的分数被特定任务上的卓越性能、更低成本或更好的工具集成所弥补。

明确与Claude Opus和Sonnet的比较是一个战术选择。通过指名道姓并引用基准测试，MiniMax在告诉市场：你无需为最昂贵的前沿模型付费，就能在对工程团队至关重要的任务上获得近乎前沿的性能。a-94x-kernel-speedup-and-a-12-hour-paper-replication-what-minimax-m3-reveals-about-chinas-frontier-ai-strategy

当然，总有一个细节问题。MiniMax尚未公布其内部基准的完整评估方法，独立验证尚需时日。但如果这些数字可以被复现，这将是一个来自上周前还主要与生成式视频而非代码生成相关联的实验室的开放模型所迈出的重要一步。

办公与身份保持

在工程之外，M2.7在办公生产率方面的强劲表现值得关注。其在GDPval-AA上的Elo得分1495，使其在文档编辑方面领先许多通用模型, , 这一领域虽不如代码生成光鲜，但代表着巨大的可寻址市场。严重依赖自动报告生成、电子表格处理和演示设计的公司可能会发现M2.7尤其有用。

MiniMax还宣传该模型的“身份保持”能力，即模型在长时间对话中保持连贯角色和语调，该公司称这为互动娱乐和需要长期一致性的客服聊天机器人开辟了可能性。the-ai-agent-that-remembers-you-why-vitabench-20-reveals-a-chasm-between-good-chatbots-and-good-collaborators

综合来看，MiniMax显然希望M2.7成为通用智能体基础，而不仅仅是代码生成工具。高代码基准分数、办公生产率和近乎完美的指令遵循能力相结合，表明该实验室认为其竞争优势不在于原始智能，而在于可靠性和工具使用的广度。