1官方将M27定位为首个模型深度参与自身迭代的版本

核心观点与关键数据

1. 模型自主迭代与性能提升

   • M2.7核心变化在于模型自主构建Agent Harness，驱动强化学习完成100+轮迭代，带动内部评测集效果提升30%。
   • 软件工程能力：SWE-Pro达56.22%（近Opus 4.6），VIBE-Pro 55.6%，SWE Multilingual 76.5%，GDPval-AAElo 1495（开源最高）。
   • 生产环境故障恢复时间缩短至3分钟以内。

2. Agent能力与评测表现

   • 复杂skills场景指令遵循率97%，OpenClaw接近Sonnet 4.6。
   • GDPval-AA Elo 1494（超MiMo-V2-Pro、GLM-5、Kimi K2.5，但落后GPT-5.4、Claude Opus 4.6）。
   • 幻觉明显下降（AA-Omniscience +1，幻觉率34%，优于Claude Sonnet 4.6、Gemini 3.1 Pro）。
   • 分项能力：HLE、TerminalBench Hard等提升，τ²-Bench下滑11pct（收益不均衡）。

3. 基础参数与开源策略

   • 上下文窗口200K token，定价$0.30/$1.20（持平M2.5），仅支持MiniMax API，暂无多模态。
   • 开源权重未公布，M2.5采用MIT协议。

4. 效率与成本分析

   • 输出token用量增55%（约8700万，高于M2.5的5600万），但优于GLM-5（1.1亿），与Kimi K2.5（8900万）接近。
   • 成本优势显著：运行全套评测仅需$176（远低于GLM-5、Kimi K2.5、Gemini3 Flash）。

5. 实测反馈与综合评价

   • 实质为小版本升级，整体性能与M2.5持平，改进点：
     • 指令遵循能力提升（稳定性略降）。
     • 长上下文幻觉减少，信息提取满分。
     • 编程工程能力增强（频繁输出结构化文件）。
   • 不足：硬推理能力退步，复杂问题token消耗增50%-100%，推理速度65 tps未提升。