# MiniMax 开源 M2.7，并公开了用模型自己跑研发流程的实验结果

> 原标题：MiniMax M2.7 is open-source!

- 来源：X · @Yuchenj_UW
- 发布时间：2026-04-12T03:40:20.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/3274
- 原文：https://x.com/Yuchenj_UW/status/2043172340083896710

## 摘要

MiniMax 把 M2.7 开源了，同时发了一篇博客讲他们怎么让模型参与自己的研发。他们做了两件事：一是搭了个研究助手 agent，帮研究员查文献、盯实验流程、看日志、改代码、提 merge request，现在能扛起 30% 到 50% 的研发工作量。二是让 M2.7 自己改自己的测试脚手架，全自动跑了 100 多轮，内部代码评测涨了 30%。博客...

## 推荐理由

MiniMax 把 M2.7 开源了，同时扔出一个挺敢说的数字：他们内部的研究代理已经扛了 30% 到 50% 的研发流程。具体怎么干？代理自己查文献、排实验、看日志、修代码、提合并请求，还在内部脚手架里自己改 harness，自动循环了 100 多轮，内部编码评测涨了 30%。我会先打个折——正文没披露许可证、仓库地址、基准测试上下文，也没说外部能不能复现，所以这些数字目前只能当内部说法看。但即便打对折，代理能稳定吃掉三成研发流程，这个信号也够强了。

## 锐评

MiniMax 这次开源 M2.7，最值得看的是他们让模型参与自己研发的尝试。他们搭了个研究助手 agent，能帮研究员查文献、盯实验、看日志、改代码、提 merge request，现在能扛起 30% 到 50% 的研发工作量。另一个动作是让 M2.7 自己改自己的测试脚手架，全自动跑了 100 多轮，内部代码评测涨了 30%。

这两件事本质上都是 Karpathy 提过的 Autoresearch 思路，不算新概念，但 MiniMax 给出了具体数字，说明内部已经在跑通了。不过要注意，30% 到 50% 的工作量覆盖和 30% 的代码评测提升都是内部数据，没有第三方验证，也不知道评测集有没有针对性优化。博客没披露 agent 的具体架构、失败率、人工介入频率，也没说这个 30% 的代码提升在外部基准上能不能复现。

我会先打个折：这更像一个工程落地案例，不是方法论突破。但如果你在做 AI 研发流程自动化，这篇博客里的实操细节值得翻一翻。