问题——从“能回答”到“能交付”，产业对工程化能力提出更高要求。近年来，大模型能力快速提升，但企业研发与生产环境中，真正影响效率的往往不是单点生成能力，而是贯穿数据、训练、评测、部署与运维的全链条协同。这个过程任务复杂、环节众多、成本高昂，且高度依赖人工调参和排错。如何让模型从“被动工具”转变为“主动参与研发与工程流程”，成为行业竞争的新焦点。 原因——模型研发的瓶颈从算力与参数规模转向系统工程与流程效率。业内人士指出，随着模型能力逐渐趋同，决定产品化速度和商业化质量的关键因素，正转向执行系统、工具链和组织协作效率。MiniMax此次发布的M2.7，提出以智能体为核心的自我迭代系统：模型不仅负责生成与推理，还能通过智能体框架参与数据流水线、实验设计、训练调优和评测反馈等环节，成为研发流程的主动参与者。以强化学习研发为例，模型可在与研究人员讨论后，协助完成文献梳理、实验设计和任务执行，并在过程中分析日志、定位问题、优化指标和修复代码，减少人工干预频率。企业披露，在部分研发流程中，该能力已能承担30%至50%的工作量。 影响——“自我优化闭环”与多智能体协作，推动应用从代码生成走向系统级协同。M2.7特别强调“自我优化闭环”能力：在内部测试中，模型可连续运行超过100轮“分析—改进—验证”循环，自主调整采样参数和工作流策略，并在评测中实现约30%的效果提升。业内分析认为，若这一闭环能在更多场景中稳定运行，将减少对人工试错和调参的依赖，缩短研发周期，进而改变成本结构和竞争格局。 在能力指标上，M2.7更强化软件工程优势。据企业介绍，其在SWE-bench Pro测试中的正确率为56.22%；在更贴近真实工程流程的VIBE-Pro和Terminal Bench 2测试中，分别取得55.6%和57.0%的成绩。同时，M2.7被应用于生产系统故障处置场景，部分线上故障修复时间可控制在3分钟以内。其特点在于不仅能生成代码，还能结合监控指标和部署时间线进行因果分析，必要时主动连接数据库验证假设，提供可落地的解决方案，显示出从“写代码”向“懂系统、会协同”的演进趋势。 此外，M2.7强化了多智能体协作（Agent Teams）模式：模型可同时承担多个角色，在对抗式推理与协同决策中保持身份一致、逻辑连贯并遵循协议。这被视为智能体应用从单点能力迈向复杂系统的重要标志。企业还探索了交互娱乐等非生产力领域，通过增强角色一致性和情感交互能力，支持沉浸式Web互动产品OpenRoom，尝试“对话即界面”的新交互方式。 对策——以工程化标准与安全治理保障“自我迭代”的可控性与可用性。业内认为，模型深度参与训练与生产流程虽提升效率，但也凸显了流程治理的重要性：一是需建立可复现的评测体系和版本管理机制，避免自我迭代导致不可控波动；二是完善权限、审计和数据隔离机制，防止自动化工具链引入合规与安全风险；三是推动接口标准和工具生态建设，使智能体能力能低成本迁移至更多行业软件和运维平台。 前景——竞争焦点或从“单模型指标”转向“执行系统与闭环能力”。随着智能体框架的普及，行业竞争正从单一模型能力转向“模型+工具链+流程闭环”的系统能力。分析人士指出，若自我迭代能力进一步成熟，未来有望在数据构建、模型训练和评测优化等环节实现更高自动化水平，大幅压缩研发周期，并重塑产业分工与成本结构。MiniMax表示，M2.7已在其智能体产品及开放平台上线，未来真实场景的表现将成为验证其商业价值的关键。
从“能回答”到“能执行”——再到“能自我改进”——大模型的发展正进入更强调工程体系和闭环能力的新阶段。技术路线的变革不仅取决于模型本身，更取决于能否建立可控可验证的应用机制。未来，谁能平衡效率、安全与治理，并将智能体系统真正融入产业流程，谁就更可能在新一轮竞争中占据优势。