MiniMax M2.7正式开源，国产大模型的开源竞赛走到哪一步了
4月12日晚间，MiniMax宣布M2.7大模型正式开源，这距离其在3月18日首次亮相已经过去将近一个月。
华为昇腾、摩尔线程、沐曦、昆仑芯、NVIDIA等海内外芯片厂商，以及Together AI、Fireworks、Ollama、vLLM、SGLang等推理平台，都在开源首日完成了模型的接入与适配工作。
一天后，港股上市公司MINIMAX-W高开逾3%，资本市场给出了自己的反应。
M2.7是一个总参数量达到2300亿的MoE模型。MoE架构的本质是让模型在推理时只激活一小部分参数，M2.7每次只激活其中的100亿参数，激活率约4.3%。
模型共62层，支持20万token的上下文长度，使用多头因果自注意力配合旋转位置编码（RoPE）和QK RMSNorm归一化来保证训练稳定性，采用Top-k专家路由机制，每token只激活256个专家中的8个。
这种设计在MoE模型中并不罕见，参数规模上的取舍也并非新事，DeepSeek、Qwen等国产模型都在做类似的事。
不过M2.7有一个值得注意的标签，业界第一个AI深度参与迭代自己的模型。MiniMax方面称，研发团队将M2的早期版本引导为研究型Agent Harness，让它参与构建复杂的强化学习流程、更新自身记忆、驱动自我优化。
据称M2.7在部分研发场景中可承担30%到50%的工作量。这种自我进化的路径到底能走多远，目前还很难下判断，至少这是一个不同于常规微调路数的探索方向。
在基准测试上，M2.7在软件工程领域交出的成绩是SWE-Pro得分56.22%，官方称“几乎接近Opus最好的水平”；在VIBE-Pro端到端项目交付测试中得分55.6%，在Terminal Bench 2复杂系统理解测试中得分57.0%。
专业办公领域，GDPval-AA的ELO得分1495，声称是开源模型中的最高分。这些数字的意义需要放到具体的语境里理解，56.22%在SWE-Pro上算是什么水平，和DeepSeek V4、Qwen3.6Plus、GLM-5.1等竞品相比如何，官方没有提供直接的横向对比数据。
M2.7的开源，是继智谱GLM-5.1之后又一款走开源路线的国产头部模型。有市场分析指出，阿里Qwen系列未来的开源策略可能存在变数，Qwen3.6Plus可能不再沿用完全开源的模式。
如果这一传闻成立，那么开源赛道上的国产主力将进一步集中在智谱、稀宇和DeepSeek这几家。
目前最受关注的是DeepSeek V4，外界普遍预期它将在4月下旬发布，届时能否在编程和多模态能力上拿出新的突破，将是影响开源格局的关键变量。
在这个意义上，M2.7的开源或许不只是稀宇科技单方面的技术输出，更是对整个国产开源生态的一次压力测试。
对于开发者而言，开源意味着能够以更低的成本进行二次开发、私有化部署和场景适配。MiniMax方面表示，来自海内外的接入需求持续增长，模型调用量正在快速提升。
但一个开放性的问题也随之而来，当越来越多的国产模型走向开源，开发者生态的建设速度能否跟得上模型迭代的节奏？开源不等于生态繁荣，真正决定一个模型生命力的，始终是开发者愿不愿意用它、能不能用好它。
［本文作者i黑马，i黑马原创。如需转载请联系微信公众号（ID:iheima）授权，未经授权，转载必究。］