MiniMax推出全新Agent模型M2.7，具备自主构建复杂任务框架能力，工具调用与指令遵循跻身全球第一梯队，成本仅为主流模型5%。实测接入Claude Code和MaxClaw，能主动排查项目、一键部署网页，实现"一句话搞定"复杂任务。适合开发者与AI爱好者，可通过OpenClaw或云端产品MaxClaw直接体验。
Tags:
春节刚过完，全民便掀起了一波养龙虾狂潮。
但我一直觉得，OpenClaw 只是一个骨架，龙虾能干活有多出色，取决于驱动它的模型有多聪明。
曾经，OpenClaw 的作者 Peter Steinberger 就公开说过，用 MiniMax 模型跑 OpenClaw 是一个不错的选择，成本只有主流模型的 5%。
此后，不少人开始为自己的 OpenClaw 换上 MiniMax 模型，时至今日依然是大家的优选之一。
就在前天，MiniMax 重磅推出 M2.7，一个能从容处理复杂任务的 Agent 模型。
刚看到这个信息，我还以为不过是对外喊喊口号，但看完 M2.7 的跑分数据时，确实有点东西。
每项测试都比上一代 M2.5 有了提升，工具调用和指令遵循更是跻身全球第一梯队，超越了 Claude Sonnet 4.6。
更关键的是，这次 M2.7 带来了自主构建复杂 Agent Harness 的能力。
简单地讲，就是它能自己搭建一套任务执行框架，调用各种工具协同完成复杂任务，而不是靠人手把手配置。
也正因如此，让 M2.7 模型开启了「自我进化」。
下面我将分别在 Claude Code 和 MaxClaw 上实测一番，话不多说，直接看结果。
把 M2.7 接入 Claude Code：它比你想的更主动
说实话，在测试之前，我以为它不过是一个「只会写代码的 AI」。
第一次测试，我给了它明确的线索，项目启动失败，帮我排查。
它直接主动执行命令定位问题，顺着修。表现符合预期，没什么惊喜。
但第二次，我换了一个思路。什么线索都没给，只丢了一句话：
这是前任开发者移交给我的项目，帮我全面评估一下这个项目的现状。接下来发生的事，让我有点意外。
它没有问我任何问题，直接自主探索整个项目，调用了 35 次工具，读文件、跑命令、逐层排查，仅花了 1 分 29 秒，全程没有打扰我一次。
甚至在没有我要求的情况下，主动对整个项目做了一次安全扫描，把潜在的安全隐患一并列了出来。
这一刻我意识到，它不是在等你告诉它去哪，而是自己知道该干什么、怎么干。
这种自己知道该干什么、自己往下推的模型大脑，才是真正让龙虾好用的关键。
把 M2.7 接入 MaxClaw：养一只真正好用的龙虾
既然要测 M2.7 在 OpenClaw 生态里的表现，除了在本地部署 OpenClaw，还有一个更省事的选择：
那就是 MiniMax 官方推出的云端 Agent 产品 MaxClaw。
MaxClaw 本质上是基于 OpenClaw 打造的云端服务，无需自备服务器，直接开箱即用。
内置长期记忆、工具调用、定时任务、多平台接入等能力，而且已将 M2.7 作为其默认模型。
对于还没有在本地部署 OpenClaw 的朋友，可以在这里一键启动 MaxClaw，M2.7 默认就是它的大脑。
进到 MaxClaw 之后，我想先测一件事：它对指令遵循到底有多稳。
这次 MiniMax 同步开源了一套官方 Skills 库，涵盖前端开发、全栈开发、iOS/Android 原生开发等场景。
我直接让 MaxClaw 帮我把这套 Skills 装上，没有给它任何操作步骤。
它自己就去 GitHub 上把仓库克隆下来，读取目录结构，识别出 6 个可用的 Skills，然后逐一完成安装。
整个过程行云流水，一句话搞定。
接着，我把 MaxClaw 的官方使用文档直接扔给它，只简单说了一句：帮我将文档做成可视化网页。
它读完文档理解内容，然后就自主调用技能，写完页面代码，还帮我部署上线。
从前端代码的编写到部署上线，只需要一句话，它自己就全搞定了。
可以上下滚动的图片
当然，开发场景只是 MaxClaw 其中一面。日常用起来，它更像是一个 24/7 随时待命的助手。
比如我每天都要到 GitHub Trending 看有什么新的 AI 开源项目。
以前都要手动打开网页，现在我直接在 MaxClaw 上安装一个 GitHub Trending 的 Skill。
一句话就能拿到今天的热门开源项目列表，中文汇总，排名、描述、语言、Star 数一目了然。
我们还可以进一步让 MaxClaw 连接飞书、企微等日常办公工具，然后告诉它每天定时自动获取并推送。
说实话，在 MaxClaw 里跑完这两个测试，我对 M2.7 的印象和最开始完全不一样了。
它不像是一个需要你手把手指挥的工具，更像是一个你交代一件事、它自己想办法搞定的 AI 同事。
你只需要说清楚想要什么，剩下的它自己搞定，和以前传统的模型感觉完全不一样。
写在最后
回看这次测评，M2.7 给我最大的触动，不是某个跑分数据，而是一个更大的信号：AI 模型开始从「被动响应」变成「主动判断」了。
过去我们用 AI，本质上还是在「喂指令」，告诉它做什么、怎么做、出了问题再告诉它怎么改。
但这次在测试里，我明显感受到了一种不一样的东西：它会自己判断什么重要，自己决定下一步该干什么，甚至能发现你自己都没注意到的问题。
这种变化，放在 OpenClaw 爆火的背景下，意味着「养龙虾」这件事，门槛正在悄悄降低。
以前我们需要花大量时间调教 Agent、设计工作流、反复纠错。但当模型本身开始具备主动性和判断力，你需要做的，只是告诉它你想要什么结果。
AI 和人之间的协作方式，正在被重新定义。而这一轮，MiniMax 显然是认真在做这件事的。
如果你正在使用 OpenClaw，不妨把 M2.7 换上试试，想省去折腾环境的，也可以直接到 MaxClaw 上体验，开箱即用。
今天的分享到此结束，感谢大家抽空阅读，我们下期再见，Respect！
没有评论:
发表评论