真實(shí)測(cè)評(píng)MiniMax M2.7，不吹不夸，它到底什么水平？

大家好，我是冷逸。

最近，模型圈又卷起來了。GLM、MiniMax甚至小米都相繼發(fā)布了新模型。

眾所周知，國(guó)產(chǎn)御三家有四位：Qwen、GLM、MiniMax和Kimi。

剛我去掃了眼，在實(shí)時(shí)更新的龍蝦榜PinchBench上，MiniMax M2.7已經(jīng)干到了全球第四（GLM和GPT分?jǐn)?shù)一樣，有兩個(gè)第三名）。

給大家簡(jiǎn)單介紹下這個(gè)龍蝦榜，它不是傳統(tǒng)benchmark那種，看模型答得準(zhǔn)不準(zhǔn)，而是看模型能不能完成一件完整的事情。

當(dāng)然，PinchBench不代表模型的真實(shí)水平，僅代表模型在Agent任務(wù)上的成功率情況。

所以，今天我想重點(diǎn)測(cè)評(píng)一下MiniMax M2.7在真實(shí)場(chǎng)景中的表現(xiàn)。

本文會(huì)相繼用到Claude Code、OpenClaw、MaxClaw和MiniMax Agent網(wǎng)頁(yè)端等不同平臺(tái)來測(cè)試，并會(huì)在每個(gè)Case前做說明。

一手實(shí)測(cè)

測(cè)試主要分為6個(gè)場(chǎng)景，重點(diǎn)評(píng)估模型的執(zhí)行過程和最終結(jié)果。

1）龍蝦任務(wù)：搜索→整理表格→做信息圖→發(fā)到飛書

龍蝦任務(wù)，主要在MaxClaw里測(cè)（他們已經(jīng)接上了M2.7）。

第一個(gè)任務(wù)是：

打開豆瓣網(wǎng)頁(yè) https://movie.douban.com 搜索最近熱門的電影，結(jié)合熱度、評(píng)分和上映時(shí)間綜合篩選10部電影，整理成Excel表格，并根據(jù)Excel表格的信息設(shè)計(jì)一個(gè)可視化HTML。最后，把Excel和HTML一并發(fā)到我的飛書上。

這里的任務(wù)一共有5步：聯(lián)網(wǎng)檢索→總結(jié)內(nèi)容→生成表格→編寫代碼→自動(dòng)發(fā)到飛書。

比較考驗(yàn)?zāi)Ｐ偷亩嗖襟E執(zhí)行能力和工具調(diào)用能力。

M2.7一次過，直接交付了Excel表格和信息圖Html。

來看下最終的結(jié)果：Excel和HTML。

Excel表格

可視化HTML

還行，而且它給Excel表格做了一個(gè)底色設(shè)計(jì)，分成了封面和原始數(shù)據(jù)兩個(gè)子表給我。

當(dāng)然，如果我們的提示詞要求得更多，它會(huì)生成得更精細(xì)。只不過，我們這里主要考驗(yàn)的，是模型對(duì)長(zhǎng)任務(wù)的指令理解和執(zhí)行能力。

2）龍蝦任務(wù)：自動(dòng)做視頻

接著，我又讓它用libtv-skills給我做個(gè)視頻（skill教程可以看這篇文章：LibTV）。

任務(wù)是：

用libtv-skills幫我生成40秒的短漫劇，主題是：
《像素荒原》 (The Pixel Wasteland)
視覺核心：實(shí)拍與低多邊形（Low-Poly）CGI的實(shí)時(shí)混合渲染。世界在“高清現(xiàn)實(shí)”與“崩壞馬賽克”間切換。
劇情：主角行走在繁華都市，但他走過的地方，建筑瞬間退化為粗糙的幾何色塊，行人變成靜止的貼圖。他試圖奔跑逃離“渲染延遲”，卻發(fā)現(xiàn)自己的雙手也開始像素化消散。結(jié)尾，鏡頭拉遠(yuǎn)，整個(gè)城市只是一個(gè)老舊顯示器上即將斷電的畫面，最后一聲電流音后，屏幕徹底黑屏，只映出觀眾自己的臉。
隱喻：探討數(shù)字存在主義危機(jī)，利用故障藝術(shù)（Glitch Art）風(fēng)格制造強(qiáng)烈的不安感與哲學(xué)反思。

來看下結(jié)果。

這個(gè)視頻的所有工作流，全由MiniMax M2.7驅(qū)動(dòng)的龍蝦自己調(diào)用libtv-skills完成，劇本、分鏡圖、分鏡視頻，以及最后的視頻合成，都一氣呵成。

視頻質(zhì)量，還不錯(cuò)。

不過，有個(gè)小細(xì)節(jié)大家要注意，MaxClaw本身就支持視頻生成（接的Hailuo模型）。如果你不強(qiáng)制調(diào)用skill，它會(huì)生成鏡頭片段，而不是完整的視頻。

整體來看，M2.7在龍蝦上的任務(wù)成功率還是挺高的，前面我這2個(gè)case都是one short，一次生成。

那M2.7能夠在龍蝦榜上排名全球第四，也就可以理解了。

3）編程任務(wù)：3D

下面3個(gè)編程任務(wù)，都是在Claude Code里進(jìn)行測(cè)試。

先測(cè)一個(gè)3D Case，看下模型的空間想象和邏輯推理能力，看它能否準(zhǔn)確理解指令，并創(chuàng)建一個(gè)零BUG的視覺圖形。

照例，還是我們的3D魔方。

提示詞：Create a single HTML file containing a fully functional 3D Rubik's Cube simulation using Three.js (via CDN). The cube must be able to automatically solve itself. 
中文：創(chuàng)建一個(gè)HTML文件，其中使用Three.js（通過CDN方式引入）來實(shí)現(xiàn)一個(gè)功能完備的3D魔方模擬程序。該魔方必須能夠自動(dòng)完成自己的“解謎”過程。

沒問題。而且，這回它的UI比上一個(gè)版本M2.5看起來更高級(jí)一些。

不過，這個(gè)Case并非one short。第一個(gè)版本，在打亂和還原的動(dòng)畫過程中會(huì)出現(xiàn)部分方塊顏色丟失的情況，這是因?yàn)榉綁K的位置和顏色沒有正確更新。

簡(jiǎn)單反饋問題后，第二版就修復(fù)這個(gè)問題了。

4）編程任務(wù)：前端

既然審美在線，我們也同步測(cè)一下它寫前端的能力。

讓M2.7給一款A(yù)I鼠標(biāo)「小沃」設(shè)計(jì)產(chǎn)品宣傳頁(yè)。

這個(gè)前端，還是比較好看的，尤其是這個(gè)VI和配色，我很喜歡。

有點(diǎn)遺憾的是，目前M2.7還不具備視覺理解能力。如果有視覺理解能力，它的應(yīng)用場(chǎng)景會(huì)更豐富。

5）編程任務(wù)：用skills做網(wǎng)站

我們繼續(xù)上點(diǎn)強(qiáng)度，讓它調(diào)用Skills來生成一個(gè)網(wǎng)站。

需求是：

用Knowledge Site Creator Skills為「Token」創(chuàng)建一個(gè)知識(shí)學(xué)習(xí)網(wǎng)站，既要嚴(yán)謹(jǐn)，又要有趣味，頁(yè)面高級(jí)審美。
關(guān)于token的知識(shí)，可以參考這篇文章：https://mp.weixin.qq.com/s/hlL2U4XizvBQJynNJixlOQ

這次One short，效果還不錯(cuò)，配色和排版是我喜歡的調(diào)調(diào)。

不過，有個(gè)小缺陷，M2.7似乎不能直接讀公眾號(hào)url，內(nèi)容是我手動(dòng)給Claude Code的。

6）辦公任務(wù)：出報(bào)告、圖表和PPT

辦公任務(wù)，換到了MiniMax Agent網(wǎng)頁(yè)端進(jìn)行測(cè)試。

體驗(yàn)地址：agent.minimaxi.com

這次，我們直接復(fù)刻MiniMax官方案例，看看能不能復(fù)現(xiàn)。

任務(wù)是：

基于騰訊2025年財(cái)報(bào)信息，構(gòu)建騰訊的營(yíng)收模型，讀取多個(gè)研報(bào)，設(shè)計(jì)對(duì)應(yīng)的假設(shè)，基于最新的信息對(duì)騰訊營(yíng)收建模，然后選擇合適的 PPT 模版產(chǎn)出 PPT ，并寫一個(gè) Word 文檔研究報(bào)告和 Excel 圖表。

首先看它建的Excel財(cái)務(wù)模型。

這份財(cái)務(wù)分析模型還是挺全面的，像業(yè)績(jī)總覽、收入分析、盈利分析、核心業(yè)務(wù)（游戲）分析、估值分析這些該有的部分都有。說明M2.7模型，知道一個(gè)初級(jí)分析師在干什么活。

數(shù)據(jù)方面，我也對(duì)了一下，沒有差錯(cuò)。

就是涉及到有復(fù)雜表格時(shí)（比如有多個(gè)坐標(biāo)軸），模型用Python寫的圖表并沒有完整地呈現(xiàn)出來。

不過問題不大，我們自己再改改就好了。畢竟，初始數(shù)據(jù)的搜索和整理，這才是最耗時(shí)的。M2.7已經(jīng)幫我們把最麻煩的事情搞定了。對(duì)于分析師來說，這差不多已經(jīng)節(jié)約了至少半天時(shí)間。

然后是Word研究報(bào)告。

整體23頁(yè)，近萬(wàn)字，研報(bào)該有的它都有。

數(shù)據(jù)方面，我也隨便挑了幾頁(yè)對(duì)比了一下，完全準(zhǔn)確。

左邊是M2.7做的研報(bào)，右邊是真實(shí)的財(cái)報(bào)

當(dāng)然，Word文檔里的一些字體、格式、排版還是會(huì)有點(diǎn)小問題，但我覺得問題不大，自己手動(dòng)改改就好了。

最主要是，這份近萬(wàn)字的研報(bào)，它竟然沒有出現(xiàn)任何的幻覺問題，這說明M2.7在長(zhǎng)任務(wù)上的上下文能力是真滴恐怖。

它讓產(chǎn)出結(jié)果真實(shí)、可信，可以直接走進(jìn)我們的真實(shí)工作流。

最后，再來看下它整的PPT。

這排版、UI一看就很高級(jí)，如果你讓我來手搓，我是真的整不出來。

而以上這三件套，是一個(gè)Prompt完成，并不是單獨(dú)生成的。這M2.7在復(fù)雜任務(wù)上的指令遵循能力，是真的強(qiáng)。

整個(gè)體驗(yàn)下來，我感覺M2.7在各個(gè)方面都又一次進(jìn)化了。

從Coding能力到Agentic能力，從工具調(diào)用到長(zhǎng)程任務(wù)，從高難度的龍蝦場(chǎng)景到日常的辦公場(chǎng)景，都能全方位hold住。

而且有點(diǎn)意思的是，這個(gè)模型是MiniMax第一個(gè)由模型自己深度參與迭代的模型。

這句話讀起來可能有點(diǎn)繞，簡(jiǎn)單說就是，他們用AI搞了一個(gè)Agent harness，然后用這個(gè)系統(tǒng)去訓(xùn)練、評(píng)測(cè)模型，人類把控方向，模型負(fù)責(zé)構(gòu)建，最終形成模型迭代自己的數(shù)據(jù)飛輪。

也就是，用AI打造下一代AI。

據(jù)說，他們還會(huì)加大AI自動(dòng)化的力度，去推出自己的新一代模型。

如果這個(gè)飛輪真的轉(zhuǎn)起來，接下來的事情，可能會(huì)比我們想象的更有意思。