2026年3月,MiniMax刚刚发布了M2.7——一个定位"开启模型自我进化"的旗舰级大语言模型。恰好Anthropic也在同期维持着Claude Opus 4.6这个目前公认的顶尖编程和Agent模型。两者同台竞争,性能差距比想象中小,但价格差距却大得有点夸张。 先弄清楚两个模型分别是什么
MiniMax M2.7最大的卖点是"自我进化"——模型在开发过程中参与了自己的训练,能构建复杂的Agent协作架构,完成包括调试日志、代码安全、财务建模、Office文档生成在内的生产级任务。上下文窗口200k tokens,纯文本模型,不支持图像输入(需要注意的是,原本网上流传的"M2.7支持语音视频图像多模态"说法是混淆了MiniMax平台能力和M2.7模型本身,M2.7是纯文本模型)。
Claude Opus 4.6是Anthropic目前最强的模型,2026年2月发布,在编码、Agent和企业工作流上带来了新的可靠性和精确度,Terminal-Bench 2.0得分65.4%,OSWorld(电脑操作)达到72.7%MiniMax。上下文窗口支持1M tokens,标准定价不额外收费MiniMax,最大输出128k tokens。
核心性能对比
编程能力是两者差距最明显的地方。Opus 4.6在SWE-bench Verified上得分约80.8%Minimax,而M2.7的SWE-Pro得分56.22%——两个基准测试不完全一样,但差距是真实存在的。Terminal Bench 2方向反过来,M2.7得57.0%,Opus 4.6是65.4%MiniMax,这次反而是Opus 4.6更高,原文数据有误。
机器学习工程能力(MLE Bench)方面,M2.7三次均值得牌率66.6%,与Gemini 3.1持平,低于Opus 4.6的75.7%和GPT 5.4的71.2%。考虑到这是M2.7首次参与此类评测,成绩还算拿得出手。 办公自动化是M2.7的另一个核心卖点。GDPval-AA评测ELO得分1495,属于开源最高水平;40个复杂Skills用例上保持97%的遵循率,Excel/PPT/Word复杂编辑的表现相当扎实。Opus 4.6在这个方向同样强,GDPval-AA基准上领先GPT-5.2约144 Elo点Kilo,两个模型其实都适合知识型办公场景。
Agent能力上,M2.7的Toolathon正确率46.3%,MMClaw评测62.7%;Opus 4.6则支持自适应思维(Adaptive Thinking)、并行工具执行和内存文件管理,在Agent任务中使用捷径或漏洞的行为减少了65%MiniMax,稳定性更高。
价格:差了将近17倍
M2.7的API定价是输入1.20/百万tokens Google。Opus 4.6的定价是输入25/百万tokens MiniMax。 算下来,输入价格M2.7便宜约17倍,输出便宜约21倍。对于高频调用的项目来说,这个差距是实实在在的成本压力。
订阅制方面,Claude Pro套餐100/月,Team套餐$25/人/月Minimax;MiniMax的Token Plan则分三档:Starter¥199/月、Plus¥699/月、Max¥1999/月。 哪些场景选哪个
M2.7更适合的场景:中文内容处理(原生中文支持更强)、需要Office文档自动化的企业场景、对成本敏感的高频API调用、多Agent协作任务,以及预算有限但需要接近一线水平性能的团队。
Opus 4.6更适合的场景:复杂软件工程项目(大型代码库、多文件变更)、需要1M tokens超长上下文的任务、对Agent稳定性和可靠性要求极高的生产环境、以及面向国际用户、需要更成熟生态支持的项目。
说到底,如果你的核心需求是代码质量和Agent稳定性,预算也够,Opus 4.6目前还是更确定的选择;如果你主要做文档处理、中文内容生产、或者在意API成本,M2.7值得认真测一测——便宜17倍不是一个可以随便忽略的数字。
两个模型都处于快速迭代中,选型前最好用自己的实际任务跑一遍,比看benchmark更管用。