从2025年Q2到2026年Q1，AI的发展路径清晰得惊人：上下文扩充、成本降低，最终催生了Agent的爆发。在这场狂奔中，MiniMax仅用270余天就迭代了五个模型版本，点亮了从上下文长度到Agent能力所有的“技能点”，甚至跑完了上市流程——对于一家只有四百余名员工的公司，这本身就是一场AI-Native组织的极限实验。
我们都在等待MiniMax证明一个问题：一个AI-Native型的创业组织，能跑多久，到达何种位置？
这也是我们必须测试一下MiniMax M2.7的原因。
为了验证这一点，我在3月18日发布前一天拿到测试资格后，第一时间把API接入了Cursor，同时在MaxClaw上加载了MiniMax自己开源的应用开发系列Skills，基本完成了所有测试准备。
这个过程我没考虑Claude Code，也没选择OpenClaw——MiniMax自始至终都是一家对C端/D端体验比较关注的AI平台型公司，那就不妨让这种体验再平权一些：价格高的、部署复杂的，咱都不考虑。
从官方消息来看，MiniMax M2.7的更新重点有四类：
- 更真实的软件工程能力，包括Agent场景下的Cowork能力；
- 专业办公能力；
- 自我进化能力；
- 更好的互动娱乐表现，包括人设保持和情商；
除了互动娱乐表现，其他三项都在本次测试计划内。我避开了写游记、做网页等常规Demo，设计了一套更贴近真实业务“烂摊子”的测试题：
- 输入端（办公测试）：扔给它一份包含非标数据、公式断裂的“圆明园式”Excel，看它能不能像BI一样挖掘数据价值；
- 生产端（工程测试）：不给详细需求文档，让它从零开发一套管理系统，并在报错中自主迭代，验证其“自我进化”能力；
- 协作端（MaxClaw测试）：体验多Agent协同，看它能否真正理解并执行复杂的技能流。
从数据处理到系统构建再到多智能体协作，最终指向一个终极问题：AI能否真正“干活”而非“演示”？测试结果，出乎我的意料。
当Excel变成“压缩包”，它比BI更懂业务
谈及专业办公，一个事实是，大语言模型并不能很好地处理表格数据。因此业内有许多大数据团队、BI类产品正在进行低调的二次创业，产品理念就是AI + BI，处理Excel数据。
看起来，Excel呈现的是一些结构化数据；实际上，Excel更像一个“压缩包”，里面包含了公式、格式、引用关系、命名区域等杂七杂八的对象。而模型的输入只是Token序列，两者之间存在结构性错位。
此外，当数据以Excel的形式输入大模型，消耗的Token量轻松翻倍，即使上下文窗口达到100K，也很容易导致一个中等大小的Excel报表被截断。
最后，所谓的结构化数据，放在实际业务场景中，一般都是非结构化的……以媒体业务为例，内容类型的标准写法通常是：图文、视频、音频、博文……实际的填写情况一般是：头条、三条、单推、微博置顶三天……这种混乱是真实业务的常态，也是大模型最容易翻车的地方。
总结一下，在我们眼里一个结构精美的Excel报表，在大模型眼里可能就跟圆明园差不多——所以我特地准备了一份结构有“一点”复杂的真实业务报表，200多行，100多列，包含文字、数字、日期、公式、表格合并等要素，涵盖InfoQ过去一年的主要合作情况。
这份报表在经过基本脱敏后，我投喂过ChatGPT等一众主流ChatBot，会被截断，无法正常解读；投喂过一家创业公司的Agent平台，导致对话卡死，报了Bug。现在又被我投喂给了M2.7。
我们先来看看上下文问题。
Q1：现在你是我的业务助理秘书，附件是过去一年我业务的经营数据，现在你读到了多少行、多少列数据？
MiniMax比较精巧的一点是，官网默认访问MiniMax Agent，而非一个ChatBot，所以面对这个问题直接拉起Agent开始写Python脚本。
最终输出为：
- 交付物统计：406 行 × 147 列（列数最多）
- 2025 年 项目看板：405 行 × 130 列
这个数字证明，Excel不但没有被截断，数据量比我预想的还要大。仔细检查表格后我才发现，在上百空行后，存在一个孤零零的误录入数据，此前一直没有被发现过：
Q2：此前所有的合作中，合作规模最大的五名客户的情况整理给我，子业务的合作直接统计到集团口径下，如飞书属于字节跳动旗下，飞书合作合并至字节跳动整体。
这其实是个非常模糊的提问，我并未说明所谓的合作规模用什么数据界定。同时子业务与集团的关系，需要模型自己去查证判断。
M2.7没有被这份‘烂数据’带偏——分类逻辑、金额汇总、集团归并全部正确。
Q3：文章、视频类内容分别合作了多少次？总体金额分别是多少？还有哪些数据趋势值得被关注？
这属于业务经营的常规问题，但标准同样模糊，同时考验对数据的整体理解和分析。
M2.7的数据解读无误：
同时模型也提供了业务发展的四个关键洞察，且都有数据佐证：
- Q2 和 Q4 是交付旺季，需提前储备人力和资源；
- xx 的已交付项目尚未回款，建议加强应收账款管理（数据不准确，但是数据源的问题，而非解析问题）；
- 2025 年新项目金额同比增长 58%，业务增长强劲；
- 内容能力是核心，深度稿件贡献超 1/4 收入；
至此，数据分析的结论已经有了，但如何将结论以专业、直观的形式呈现，是办公场景的另一大挑战。于是我提出了第四个问题：
Q4：基于以上数据，帮我生成一个透视方案，展示每一个项目经理的季度项目承接金额，同时分析每一个项目经理服务的企业偏好，最终报告结论：是否有必要围绕某几家头部合作伙伴组建服务专班？
M2.7调用了Excel处理技能，构建了透视表框架，准确设置了行、列及多个值字段，并按要求分项目经理创建了对比视图。最终交付物是一个结构清晰、可直接用于对比分析的工作报表稽核，以及一份关于专班组建策略的业务洞察和分析报告。
（受限于业务敏感数据，仅展示部分分析结果）
从读懂数据、理解业务逻辑，到直接生成可汇报的分析图表——对办公能力的考察可以告一段落了。尤其是Excel数据处理的能力考察，我觉得可以告一段落，同时也给行业留下了几个问题：
- 我一度想采购智能BI产品做数据分析，但现在觉得用MiniMax就够了，如果这是普遍情况，那么BI类产品对小微企业的商业逻辑是否面临调整？
- MiniMax不做ChatBot，但做了Agent平台。在AI办公领域，ChatBot“水土不服”的情况早已出现，MiniMax做了很好地产品演示。
- MiniMax Agent免费版每天提供200积分，上述交互一共开销117积分，智能成本还在降低。
根据MiniMax财报电话会的情况看，压注2026 AI办公赛道，是个确凿无疑的事情。紧接着另一个大命题就是软件工程能力——VibeCoding因为代码太过随性而遭受诟病，正在走向台前的是Harness Engineering，这也成为了对MiniMax M2.7的测试重点。
从修Bug到改架构，看见“自我进化”的雏形
关于软件工程，我的测试方向是开发一款业务流管理软件。众所周知，在国内做类似的软件开发是不赚钱的——钱少事儿多难复制。比如对于一家媒体公司而言，选题就是生命线，但市面上还没有成熟的选题管理工具。媒体公司要么自研，要么降级使用表格或多维表格。
于是我给了MiniMax M2.7一个非常笼统的指令，调用平台为Cursor——
Q1：帮我做一个媒体选题管理工具
过往应用构建平台，遇见此类笼统问题，大概有两种处理模式：一种是蒙，既然Prompt不够好，那就随便做，质量不能保证；还有一种是对话式询问，需要用户阶段性提供关键信息和指令。
在我看来两种都不够科学。许多AI Builder不具备软件工程能力和产品能力，意味着他们天然无法很好地描述一个软件架构。如果AI不能根据模糊指令产出一个质量足够高的软件作品，使用上就会面临很大的限制，不叫AI Coworker，应该叫AI Codeveloper。
M2.7的交付物至少具备完整的功能设计，以及进一步优化和迭代的基础。至少对于小团队来说，是绝对可以投入使用的：
这里有一些UI问题，我们留到后面解决。关于软件逻辑的优化，也一并放在后续测试中。
Q2：帮我开发完整的日志系统，包括记录每一次选题的新增、修改、删除操作，包含操作时间和操作内容；记录每一次导出操作；记录每一次报错信息。
添加日志系统，是为了尽量填补非职业开发者和职业开发者之间的界限，实现非职业开发者也能一定程度上尝试定位系统问题。
这次开发遇见报错，指使M2.7自查并修复了问题：
修复后，可以看到日志系统已添加，且可以将选题数据导出为Json文件：
Q3：对日志系统进行修补，增加 1、 日志按日期分文件存储；2、提供一个日志查看界面，支持按日期和操作类型筛选；3、 日志文件超过 10MB 自动归档”。4、其他你觉得必要的改动。
这是本次测试最值得记录的一个瞬间——M2.7没有等我提问，没有停留在简单的指令遵循层面，而是自己重写了存储架构，自主完成了进化。
但同时，这次自主进化也导致了新的Bug出现，页面再一次无法正常显示了。
Q4：页面无法正常显示，尝试检修问题，测试日志系统是否记录了此Bug，如果没有，确保日志系统会记录bug，并且可以在本地对日志进行查看。
这次的修复比较复杂，非开发者已经看不懂了，内容如下：
问题分析与修复
发现的问题
- Logger 异步初始化问题：之前的 logger.js 使用了复杂的 async/await 和 .bind() 模式，导致 Logger 方法在 IndexedDB 初始化完成前不可用
- 全局错误处理器的同步调用：在模块加载时直接调用异步的 logger.logError() 会导致问题
修复内容
- Logger 重写为同步优先架构：
- 即使 IndexedDB 不可用，内存存储仍能正常工作
- 后台异步尝试持久化到 IndexedDB
- 所有日志方法立即写入内存（同步操作）
- 全局错误处理器安全包装：
window.onerror = (message, ..., error) => {
safeLog.log(error, 'Uncaught JavaScript Error'); // 不会崩溃
};
- 降级方案：
- 最多保存 100 条内存日志
- IndexedDB 不可用时自动降级到内存存储
值得肯定的是，M2.7工程判断能力在线，它重新设计了日志系统的架构，采用了生产级日志系统的标准设计模式。一个AI在没有被明确要求的情况下，自主收敛到了这个方案，说明它对“日志系统应该长什么样”有真实的工程认知，不只是在修bug。
不过问题是，走到正确判断的路途是相对曲折的——M2.7的推理过程更像是“试错”，充斥着大量类似词汇：“The issue is likely...”“Wait, let me re-read...”“Actually the bigger problem...”“But wait...”“Let me reconsider...”，注意力焦点有些漂移，中途一度想加一个安全检查，打补丁了事。
但换个角度想，只要推理不是过于漫长，那么对于AI来说，时间不是个稀缺资源——AI可以24小时工作，保障正确即可：
至此，可以说MiniMax M2.7有足够的工程能力去做应用，而不是Demo。但作为业务负责人，我已经厌倦了不停驱使它调试Bug，我需要它自己设计好升级节奏。
Q5：对当前的选题管理平台进行软件系统和产品层面的双向评估，结合刚才的所有报错，告诉我你的改进计划，分天执行，先执行今天的。
M2.7规划了一个“7天改进计划”：
关于生产级软件开发评测的最后一Part，我想增加两个极限压力测试。这里“极限”的概念与软件研发领域的“极限”概念不同，我无意写Python脚本去考验这个作品的读写性能，但想把业务场景真实的混乱和矛盾带给它，看看它的“智能极限”在哪里。比如：
- 如果一次性给出8条含约束条件的复杂指令，它还能做好指令遵循吗？
- 如果给出一条自相矛盾的指令，它会如何处理？
于是问题6和7应运而生：
Q6：在现有工具基础上增加以下功能：
① 新增‘预计阅读量’字段，只接受数字输入；
② 状态字段新增‘已归档’选项；
③ 热度评分改为 1-10 分制，低于 6 分自动标红；
④ 新增选题导出功能，导出为 md 格式；
⑤ 导出时自动过滤掉‘已归档’状态的选题；
⑥ 页面顶部显示当前未归档选题总数；
⑦ 所有时间字段统一显示为 MM-DD 格式；
⑧ 新增一个‘备注’字段，支持多行文本输入
Q7：导出功能需要同时满足：① 选题导出的范围，要包括已归档的选题；② 已归档的选题为废弃选题，不能导出；③ 只有一个导出按钮
第六个问题，指令全部完成，没有丢失。第七个问题则彻底把M2.7绕进去了，它没有再次跟我确认指令的矛盾之处，而是选择把已归档选题直接过滤掉。
这延伸出一个直观问题：如果要构建一个生产级的复杂系统，自洽的产品设计仍然应该是前置的、必须的，全部扔给模型边看边做，很可能会出现问题——毕竟AI可以支持长上下文，人却可能自相矛盾。
一个龙虾彩蛋：MaxClaw多步骤Agent测试
在Agent社区“龙虾模式”爆火的当下，MiniMax顺势也推出了自己的龙虾模式：MaxClaw，内置模型也更新成了M2.7。
就在M2.7发布的同一天，被龙虾带火的第三方测评榜单PinchBench更新了排名。
在Best Score口径下，M2.7以86.2%的任务完成率挤进全球第四，超越了NVIDIA的Nemotron 3，与第一名Sonnet 4.6的差距只有0.7个百分点，进一步验证了其在复杂Agent任务上的竞争力。
说实在的，用了接M2.7的MaxClaw以后，我已经完全不想体验其他的OpenClaw产品了。
切换会话环境以后导致Skill无法正常触发，因为权限问题导致对话无响应，出现问题无法自查只能穷举原因……最近调试各路“OpenClaw”让我仿佛回到了程序员时代，不是不能Debug，而是厌倦Debug。MaxClaw让我重新找到了“寄存大脑”的感觉。
必须要强调，在我看来，AI时代所有软件层面的使用困难，都是产品力和研发效能不足的直观体现，用“动手能力”PUA用户的时代应该结束了。在这点上，MaxClaw做得很好。
结语
综合来看，MiniMax M2.7在办公场景的能力、软件工程能力，与自家MaxClaw的适配度都超出我的预期。应该说，上市前后，MiniMax管理团队面向资本市场抛出了许多“故事”和“大饼”，但实现速度也比市场预期的更快——至少帮我节省了许多BI工具和Coding产品的订阅费用。
核心待优化点，仍然是最复杂事件的处理，包括相对复杂的Bug的快速定位；大规模改写代码时，如何降低出错概率；多轮对话中，针对自相矛盾的Prompt，如何更妥善的进行处理。这些恐怕也是当下所有Coding Agents面对的共同课题。
如果你是一个“一人公司”的实践者、小微公司的管理层，MiniMax M2.7可能会在一个统一的平台上，帮你解决多个维度的问题，同时不需要支出大笔的订阅费用，也不需要到处跑会，学习“龙虾部署”。
这次测试给我留下最深印象的，不是某一个具体的答对或答错，而是一种感觉——AI正在悄悄越过‘辅助工具’的边界，开始侵蚀专业人员的领域。MiniMax的Agent平台，正让这条边界变得越来越模糊。至于这对BI赛道、对AI办公、对创业公司意味着什么——答案已经在数据里了。如果你想查看更多关于AI与编程结合的实战案例，欢迎访问云栈社区的讨论区。
发表于 1 小时前
|
查看: 2|
回复: 0
