誰能想到，年初爆火的OpenClaw熱度持續至今，不僅專業工程師對其津津樂道，普通大眾也在“錯失恐懼”心理的驅使下，紛紛投身“養龍蝦”熱潮。就在昨天凌晨的GTC 2026大會上，英偉達CEO黃仁勛推出了英偉達版NemoClaw，并著重強調：“當下每家企業都需制定自己的OpenClaw戰略。”這一觀點，無疑為這場熱潮再添一把火。

國內大模型廠商敏銳捕捉到這一趨勢，在“AI養蝦”賽道加速布局。以MiniMax為例，2月底就在其Agent平臺推出MaxClaw模式。該模式依托強大的M2.5大模型，能在10秒內為用戶部署一個24小時待命的私人助理。起初，不少人對MaxClaw持懷疑態度，但經過一段時間使用，其價值逐漸得到認可。一位用戶分享道：“一個月前我還吐槽MaxClaw，現在它完全刷新了我的認知。云端預裝好一系列Agent能力后，實際效果相當不錯。”這也讓大家對MiniMax全新一代大模型在“養蝦”等Agent場景中的表現充滿期待。

今日，MiniMax全新一代大模型M2.7正式亮相，帶來諸多驚喜。此次M2.7的能力升級涵蓋五大方面，從單點能力突破邁向系統級Agent能力構建。在Agentic指令遵循方面，模型能在包含50多種技能、60 - 150個功能列表的復雜環境中，穩定調用并執行流程。多智能體協作與工程級Coding實現原生智能體協作，減少對外部編排的依賴，在日志分析、Bug定位、代碼重構等真實工程場景中表現穩定。Agent Harness加強編排工具能力，支持Agent Teams、多工具檢索，配合預置技能構建自迭代任務執行鏈路。角色扮演能力全面強化，覆蓋閑聊陪伴、互動小說等七大場景，支持10種語言，跨語言角色人格保持一致，適配OpenClaw長期記憶框架后，智能體角色擁有持久身份與真實情感。辦公自動化支持復雜Excel/Word/PPT辦公任務及多輪編輯，效率大幅提升。

值得一提的是，M2.7憑借自身演化出的自迭代能力，科研表現顯著提升。它向以Kaggle競賽為基礎構建的MLE Bench評測體系發起挑戰，在MLE Lite的22道高難度競賽題目中斬獲9枚金牌。

為了解M2.7實戰效果，我們將MiniMax - M2.7接入官方版OpenClaw測試其執行日常任務能力。本地OpenClaw不具備檢索X的能力，我們給出指令：“安裝search - x skill，配置好密鑰，然后檢索X，看看今天AI領域又有哪些新agent問世。”配置好模型后，M2.7迅速完成任務。接著，我們讓它去alphaXiv查看當前排名前列的論文，它也出色完成。在搶優惠券方面，我們向配備M2.7模型的“龍蝦”提供麥當勞MCP地址和密鑰，雖提示未安裝MCP，但它很快找到解決辦法，登錄麥當勞查看，優惠券已到賬。

在專業辦公領域，M2.7同樣表現出色。作為一家專業AI媒體，日常刷選題積累大量選題文檔，其中不少優質選題被遺忘。借助M2.7，我們將歸檔選題重新利用。例如，我們讓M2.7閱讀每日選題總結文件夾中的docx格式文檔，總結今年AI領域發展趨勢。它得出幾個有見地的洞察，如模型軍備競賽競爭維度轉變、AI智能體大爆發、AI記憶和具身智能蓬勃發展等，最終總結頗具參考價值：“2026年AI正在從‘聊天工具’進化為‘能行動的智能體’，競爭焦點從模型參數轉向推理效率、Agent生態和安全對齊。物理世界（機器人、3D）成為新的主戰場，而開源與閉源的博弈將決定行業格局。”M2.7在專業辦公領域取得GDPval - AA榜單開源模型最高分，也就不足為奇。

在編程能力測試中，我們將M2.7配置到Claude Code，輸入指令：“給我構建一個蒸汽朋克的龍蝦信息網，內容介紹真正的龍蝦，從網上找素材放入，讓網站信息豐富。”8倍速視頻記錄下，7分多鐘后，我們得到第一版結果——龍蝦檔案室，可簡單了解真正龍蝦的分類學、身體構造等知識。隨后，我們利用MiniMax精心設計并開源的技能優化項目。先讓配置M2.7的Claude Code安裝技能，很快技能配置就緒，M2.7具備更卓越的前端、全棧等開發能力。接著，我們使用前端技能優化龍蝦檔案室，最終得到結構和動畫更現代的網站。

我們還問了MiniMax - M2.7一個讓M2.5始終無法正確回答的問題：“你認識馬嘉祺嗎？”此次M2.7正確拼寫出馬嘉祺，看來MiniMax已解決這一問題，之前通過“馬嘉祺測試”辨認MiniMax后續隱身模型的想法難以實現。

從這些測試結果看，M2.7實現能力蛻變。過去大模型多充當“最強大腦”，如今MiniMax推出的M2.7是擁有“手腳、工具和記憶”的多面手系統。當模型能自己構建工具鏈、優化執行路徑并在反饋中持續重寫策略時，其定位發生根本改變，不再只是被優化對象，而是成為優化過程的一部分。

M2.7實現自我進化能力躍遷的關鍵在于構建與運轉復雜Agent Harness的能力。該系統由多個Agent協作組成，集成大量結構化Skills模塊、外部工具和多種Agent腳手架。在MiniMax內部，Agent Harness的價值得到驗證，僅用1人、4天、零代碼，M2系列模型就以“架構師”身份自主搭建完整開發Agent系統，并構建覆蓋數據、訓練等的研究型Agent體系，形成“用AI迭代AI”的自我進化閉環。

這種Agent自迭代范式推動模型科研能力進化。以強化學習場景實驗為例，Agent能協助啟動實驗，運行中持續監控狀態，自動完成日志分析等關鍵步驟。過去需多個工程師協作的流程，現在只需他們在關鍵決策節點介入，M2.7已能承擔約30% - 50%的實際工作量。M2.7還能主動迭代Agent Harness，對任務執行系統持續優化。在一項軟件工程任務中，MiniMax讓M2.7在內部scaffold上優化模型開發表現，它自主運行超100輪迭代，逐步發現有效改進策略，最終在評測集上實現約30%的性能提升。

在MLE Lite評測中，MiniMax進行三次測試，每次間隔24小時迭代，驗證模型性能隨迭代次數增加而持續攀升。三次測試平均得牌率達66.6%，與Gemini - 3.1持平，僅次于GPT - 5.4、Opus - 4.6。其運行邏輯圍繞短時記憶、自反饋與自優化三大模塊構建簡易腳手架，每一輪迭代后，Agent生成記憶文件并自我評估，沉淀問題與改進方向，下一輪迭代統一利用歷史記憶與反饋推動優化。

截至3月10日，MiniMax市值攀升至3800億港元（約合人民幣3350億元），超過百度、京東、攜程等互聯網巨頭。M2.7的發布，對于這家剛完成資本躍升的大模型獨角獸而言，或許只是其“一周為單位更迭”馬拉松中的一個節點。從此次更新重點看，無論是指令遵循、復雜任務處理，還是多智能體協作、代碼能力以及對日常辦公場景的支持，M2.7都在試圖回答一個問題：模型能否穩定融入真實工作流，而非僅在演示環節令人眼前一亮。

在“龍蝦”等Agent場景走熱后，用戶期待已變，不再滿足于一句話的聰明回答，更在意其能否持續協作、理解角色、處理約束、完成復雜任務。M2.7的發布雖未必意味著塵埃落定，但至少表明模型競爭焦點正從參數、榜單和概念，逐漸轉向執行質量、任務完成度與真實體驗。對MiniMax而言，這種演進契合其一貫風格，不急于講宏大故事，而是持續將能力融入產品、場景、成本結構。大模型的真正價值不在于制造對立，而在于作為日常化工具，分擔繁瑣事務，M2.7為未來共存與協作提供了更扎實可靠的起點。