3月18日，MiniMax发布新一代Agent旗舰大模型M2.7，相较于此前M2系列，M2.7的核心突破不再局限于性能提升，而是首次展示其“模型自我进化”路径，即让模型深度参与自身的训练、优化与迭代过程，推动AI从被动执行走向主动演化。

从技术路径来看，M2.7的关键在于构建了一套以Agent为核心的自我进化系统。在该体系中，模型不仅承担生成与推理任务，还通过构建复杂的Agent Harness（智能体执行框架），参与数据处理、实验设计、训练调优与评测反馈等完整研发流程。换言之，模型开始成为模型研发流程的一部分，而非单一工具。

具体实践中，MiniMax将M2系列早期版本引导为一个研究型Agent，可与不同项目组协同工作，覆盖数据流水线、训练环境、评测体系以及跨团队协作。以强化学习（RL）场景为例，Agent能够从实验设想出发，通过与研究员讨论，协助研究员完成文献调研、实验设计、任务执行，并在过程中自动进行日志分析、Bug排查、指标优化和代码修复，显著降低人工介入频率。官方数据显示，在部分研发流程中，M2.7已可承担30%至50%的工作量。

更具突破性的是，M2.7具备“自我优化闭环”。MiniMax方面表示，在内部测试中，模型可连续执行超过100轮“分析—改进—验证”的循环，自主调整采样参数、优化工作流策略，并在内部评测集中实现约30%的效果提升。这种能力意味着，模型不再完全依赖人工调参，而是具备一定程度的“自主进化能力”。

分析认为，随着OpenClaw等Agent框架的走红，AI竞争正从“模型能力”转向“执行系统能力”。M2.7的发布，意味着国内厂商正在尝试定义下一阶段的技术路线——即以Agent为核心、以自我进化为驱动的AI系统。如果自我进化能力进一步成熟，未来AI系统有望实现从数据构建、模型训练到评测优化的全流程自动化，这将显著压缩研发周期，并重塑AI产业的成本结构与竞争格局。

目前，M2.7已在MiniMax Agent及开放平台上线。