真实测评MiniMax M2.7，不吹不夸，它到底什么水平？

真实测评MiniMax M2.7，不吹不夸，它到底什么水平？ 真实测评MiniMax M2.7，不吹不夸，它到底什么水平？ Modified March 20 No access 0bc3pybc4aaci4aa4dv6wzuve7wdfz7aelqa.f10002 00:00 体验地址：agent.minimaxi.com 这次，我们直接复刻MiniMax官方案例，看看能不能复现。 任务是： Code block Plain Text 基于腾讯2025年财报信息，构建腾讯的营收模型，读取多个研报，设计对应的假设，基于最新的信息对腾讯营收建模，然后选择合适的 PPT 模版产出 PPT ，并写一个 Word 文档研究报告和 Excel 图表。 首先看它建的Excel财务模型。 No access 0bc3tebdqaaczyabren6wzuvfgodhcmqeoaa.f10002 00:00 这份财务分析模型还是挺全面的，像业绩总览、收入分析、盈利分析、核心业务（游戏）分析、估值分析这些该有的部分都有。说明M2.7模型，知道一个初级分析师在干什么活。 数据方面，我也对了一下，没有差错。 就是涉及到有复杂表格时（比如有多个坐标轴），模型用Python写的图表并没有完整地呈现出来。 不过问题不大，我们自己再改改就好了。毕竟，初始数据的搜索和整理，这才是最耗时的。M2.7已经帮我们把最麻烦的事情搞定了。对于分析师来说，这差不多已经节约了至少半天时间。 然后是Word研究报告。 No access 0bc3bickmaaetaainkvy4ruvicwduyfajjqa.f10002 00:00 整体23页，近万字，研报该有的它都有。 数据方面，我也随便挑了几页对比了一下，完全准确。 左边是M2.7做的研报，右边是真实的财报 当然，Word文档里的一些字体、格式、排版还是会有点小问题，但我觉得问题不大，自己手动改改就好了。 最主要是，这份近万字的研报，它竟然没有出现任何的幻觉问题，这说明M2.7在长任务上的上下文能力是真滴恐怖。 它让产出结果真实、可信，可以直接走进我们的真实工作流。 最后，再来看下它整的PPT。 No access 0bc3hebbcaacieadcqv6wzuveoodce4qeeia.f10002 00:00 这排版、UI一看就很高级，如果你让我来手搓，我是真的整不出来。 而以上这三件套，是一个Prompt完成，并不是单独生成的。这M2.7在复杂任务上的指令遵循能力，是真的强。 写在最后 整个体验下来，我感觉M2.7在各个方面都又一次进化了。 从Coding能力到Agentic能力，从工具调用到长程任务，从高难度的龙虾场景到日常的办公场景，都能全方位hold住。 而且有点意思的是，这个模型是MiniMax第一个由模型自己深度参与迭代的模型。 这句话读起来可能有点绕，简单说就是，他们用AI搞了一个Agent harness，然后用这个系统去训练、评测模型，人类把控方向，模型负责构建，最终形成模型迭代自己的数据飞轮。 也就是，用AI打造下一代AI。 据说，他们还会加大AI自动化的力度，去推出自己的新一代模型。 如果这个飞轮真的转起来，接下来的事情，可能会比我们想象的更有意思。 agent.minimaxi.com No access 0bc3pybc4aaci4aa4dv6wzuve7wdfz7aelqa.f10002 00:00 No access 0bc3pybc4aaci4aa4dv6wzuve7wdfz7aelqa.f10002 00:00 体验地址：agent.minimaxi.com agent.minimaxi.com 这次，我们直接复刻MiniMax官方案例，看看能不能复现。 任务是： 首先看它建的Excel财务模型。 No access 0bc3tebdqaaczyabren6wzuvfgodhcmqeoaa.f10002 00:00 No access 0bc3tebdqaaczyabren6wzuvfgodhcmqeoaa.f10002 00:00 这份财务分析模型还是挺全面的，像业绩总览、收入分析、盈利分析、核心业务（游戏）分析、估值分析这些该有的部分都有。说明M2.7模型，知道一个初级分析师在干什么活。 数据方面，我也对了一下，没有差错。 就是涉及到有复杂表格时（比如有多个坐标轴），模型用Python写的图表并没有完整地呈现出来。 不过问题不大，我们自己再改改就好了。毕竟，初始数据的搜索和整理，这才是最耗时的。M2.7已经帮我们把最麻烦的事情搞定了。对于分析师来说，这差不多已经节约了至少半天时间。 然后是Word研究报告。 No access 0bc3bickmaaetaainkvy4ruvicwduyfajjqa.f10002 00:00 No access 0bc3bickmaaetaainkvy4ruvicwduyfajjqa.f10002 00:00 整体23页，近万字，研报该有的它都有。 数据方面，我也随便挑了几页对比了一下，完全准确。 左边是M2.7做的研报，右边是真实的财报 当然，Word文档里的一些字体、格式、排版还是会有点小问题，但我觉得问题不大，自己手动改改就好了。 最主要是，这份近万字的研报，它竟然没有出现任何的幻觉问题，这说明M2.7在长任务上的上下文能力是真滴恐怖。 它让产出结果真实、可信，可以直接走进我们的真实工作流。 最后，再来看下它整的PPT。 No access 0bc3hebbcaacieadcqv6wzuveoodce4qeeia.f10002 00:00 No access 0bc3hebbcaacieadcqv6wzuveoodce4qeeia.f10002 00:00 这排版、UI一看就很高级，如果你让我来手搓，我是真的整不出来。 而以上这三件套，是一个Prompt完成，并不是单独生成的。这M2.7在复杂任务上的指令遵循能力，是真的强。 写在最后 整个体验下来，我感觉M2.7在各个方面都又一次进化了。 从Coding能力到Agentic能力，从工具调用到长程任务，从高难度的龙虾场景到日常的办公场景，都能全方位hold住。 而且有点意思的是，这个模型是MiniMax第一个由模型自己深度参与迭代的模型。 这句话读起来可能有点绕，简单说就是，他们用AI搞了一个Agent harness，然后用这个系统去训练、评测模型，人类把控方向，模型负责构建，最终形成模型迭代自己的数据飞轮。 也就是，用AI打造下一代AI。 据说，他们还会加大AI自动化的力度，去推出自己的新一代模型。 如果这个飞轮真的转起来，接下来的事情，可能会比我们想象的更有意思。 🔗 原文链接： https://mp.weixin.qq.com/s/OfBu96W6... https://mp.weixin.qq.com/s/OfBu96W6... 原创 冷逸 冷逸 沃垠AI2026年3月20日 16:34 四川 大家好，我是冷逸。 最近，模型圈又卷起来了。GLM、MiniMax甚至小米都相继发布了新模型。 众所周知，国产御三家有四位： Qwen、GLM、MiniMax 和 Kimi 。 刚我去扫了眼，在实时更新的龙虾榜PinchBench上， MiniMax M2.7 已经干到了全球第四 （GLM和GPT分数一样，有两个第三名） 。 给大家简单介绍下这个龙虾榜，它不是传统benchmark那种，看模型答得准不准，而是看模型能不能完成一件完整的事情。 当然，PinchBench不代表模型的真实水平，仅代表模型在Agent任务上的成功率情况。 所以，今天我想重点测评一下MiniMax M2.7在真实场景中的表现。 本文会相继用到Claude Code、OpenClaw、MaxClaw和MiniMax Agent网页端等不同平台来测试，并会在每个Case前做说明。 一手实测 测试主要分为6个场景，重点评估模型的执行过程和最终结果。 1）龙虾任务：搜索→整理表格→做信息图→发到飞书 龙虾任务，主要在MaxClaw里测（他们已经接上了M2.7）。 第一个任务是： 这里的任务一共有5步：联网检索→总结内容→生成表格→编写代码→自动发到飞书。 比较考验模型的多步骤执行能力和工具调用能力。 M2.7一次过，直接交付了Excel表格和信息图Html。 来看下最终的结果：Excel和HTML。 Excel表格 可视化HTML 还行，而且它给Excel表格做了一个底色设计，分成了封面和原始数据两个子表给我。 当然，如果我们的提示词要求得更多，它会生成得更精细。只不过，我们这里主要考验的，是模型对长任务的指令理解和执行能力。 2）龙虾任务：自动做视频 接着，我又让它用libtv skills给我做个视频（skill教程可以看这篇文章：LibTV）。 任务是： 来看下结果。 No access 0bc3sibgsaacryaetlv6djuvfewdngjae2ia.f10002 00:00 No access 0bc3sibgsaacryaetlv6djuvfewdngjae2ia.f10002 00:00 这个视频的所有工作流，全由MiniMax M2.7驱动的龙虾自己调用libtv skills完成，剧本、分镜图、分镜视频，以及最后的视频合成，都一气呵成。 视频质量，还不错。 不过，有个小细节大家要注意，MaxClaw本身就支持视频生成 （接的Hailuo模型） 。如果你不强制调用skill，它会生成镜头片段，而不是完整的视频。 整体来看，M2.7在龙虾上的任务成功率还是挺高的，前面我这2个case都是one short，一次生成。 那M2.7能够在龙虾榜上排名全球第四，也就可以理解了。 3）编程任务：3D 下面3个编程任务，都是在Claude Code里进行测试。 先测一个3D Case，看下模型的空间想象和逻辑推理能力，看它能否准确理解指令，并创建一个零BUG的视觉图形。 照例，还是我们的3D魔方。 没问题。而且，这回它的UI比上一个版本M2.5看起来更高级一些。 不过，这个Case并非one short。第一个版本，在打乱和还原的动画过程中会出现部分方块颜色丢失的情况，这是因为方块的位置和颜色没有正确更新。 简单反馈问题后，第二版就修复这个问题了。 4）编程任务：前端 既然审美在线，我们也同步测一下它写前端的能力。 让M2.7给一款AI鼠标「小沃」设计产品宣传页。 这个前端，还是比较好看的，尤其是这个VI和配色，我很喜欢。 有点遗憾的是，目前M2.7还不具备视觉理解能力。如果有视觉理解能力，它的应用场景会更丰富。 5）编程任务：用skills做网站 我们继续上点强度，让它调用Skills来生成一个网站。 需求是： 这次One short，效果还不错，配色和排版是我喜欢的调调。 不过，有个小缺陷，M2.7似乎不能直接读公众号url，内容是我手动给Claude Code的。 6）办公任务：出报告、图表和PPT 办公任务，换到了MiniMax Agent网页端进行测试。