昨天刷到MiniMax M2.7发布的消息时，我第一反应是：这玩意儿真的假的？

看完官方发布会的回放和各大科技媒体的深度解读，我不得不承认，这次MiniMax真的干了一件「离谱」的事。

## 什么是「模型自我进化」？

以前我们做大模型训练，基本上是「人工喂养」——工程师设计架构、标注数据、调参、评估，一遍遍循环。这个过程累得一批，效率还低。

M2.7搞了个叫「Agent Harness」的体系，让模型自己深度参与到训练和优化流程里。换句话说，模型开始「自己训练自己」了。

官方数据显示，在部分研发场景中，M2.7能承担30%-50%的工作量，内部评测集效果提升了约30%。而且它能进行100+轮自主迭代，每轮都能优化自己。

## 这个突破为什么重要？

首先，这不是简单的性能提升，而是范式的变革。

过去一年多，大模型的发展速度其实已经放缓了。参数堆到万亿级别，效果提升却越来越边际。大家都意识到，单纯堆参数不是长久之计。

M2.7给出的答案是：让模型学会「自我进化」。

从技术角度看，MoE架构（230B总参数/10B激活）+ 自我进化的组合拳，既控制了推理成本，又实现了持续优化。在MLE Bench Lite拿到66.6%的得牌率，这个成绩相当能打。

## 但这事儿没那么简单

兴奋之余，我得泼点冷水。

第一个问题是可控性。模型自己优化自己，理论上可能往不可控的方向演进。虽然MiniMax肯定有各种安全机制，但这个风险是客观存在的。

第二个问题是评估标准。30%的效果提升怎么来的？在哪些任务上？这些都需要更透明的数据和第三方验证。

第三个问题是商业化路径。自我进化能力很酷，但企业客户买不买单？他们更关心的是稳定、可控、可解释的输出。

## 行业会怎么反应？

昨天MiniMax股价直接涨了20%，资本市场给出了最直接的投票。

但更关键的是，其他厂商会不会跟进？百度、阿里、腾讯这些大厂，OpenAI、Anthropic这些国际巨头，肯定都在密切关注。

我预测半年内，我们能看到更多「自我进化」相关的技术方案。这可能成为下一阶段大模型竞争的核心赛道。

## 对我们开发者意味着什么？

短期来看，M2.7能用的还不多——估计还是内部测试或小范围开放。

但从长远看，这种「自我进化」的能力，如果能安全可控地落地，会彻底改变我们使用大模型的方式。未来的应用可能不是「提示词工程」，而是「引导模型自己找到最优解」。

想想都有点科幻感。

## 写在最后

MiniMax这次是真的有点东西。但技术突破和实际应用之间，还有很长的路要走。

作为开发者，我们既要保持开放的心态，拥抱新的可能性；也要保持理性的判断，不被 hype 冲昏头脑。

毕竟，AI发展太快了，今天觉得离谱的东西，明年可能就成标配了。

保持关注，保持学习，保持批判性思考。

对了，MiniMax这波操作，你怎么看？评论区聊聊。

Blog

昨天MiniMax M2.7炸了，模型居然能自己进化了？股价直接飙20%