MiniMax M2.7 目前仍可用，卻已不是 MiniMax 最新的通用模型。 MiniMax 在 2026 年 6 月 1 日推出 M3，加入最高 1M context、圖片與影片輸入、computer use 和新的稀疏注意力架構。正在選新模型的開發者應先測 M3；既有 M2.7 文字 Agent 若穩定且便宜，沒有必要只為版本名稱立即切換。
M2.7 的優勢仍是明確：204,800 tokens context、Anthropic 與 OpenAI 相容 API、標準版約 60 tokens/s，highspeed 約 100 tokens/s，價格也容易估算。遷移決策應看你的任務是否真的需要 M3 的長脈絡與多模態。
M2.7 和 M3 差在哪？
| 項目 | MiniMax M2.7 | MiniMax M3 |
|---|---|---|
| Context | 204,800 tokens | API 最高 1M，官方保證至少 512K |
| 輸入 | 以文字工作為主 | 原生文字、圖片、影片 |
| Agent 能力 | 工具呼叫、coding、辦公任務 | 長時間 Agent、computer use、多模態 |
| 版本 | 標準與 highspeed | 標準 API，可切 thinking |
| 適合 | 現有文字 Agent、成本敏感流程 | 新專案、長 codebase、圖片與影片任務 |
M3 的 1M context 不代表所有請求都該放滿。超過 512K 的輸入採較高的長 context 費率，也會增加等待時間與資料選擇難度。先用 32K 或 128K 代表性任務測成功率，再增加長度。
M2.7 的參數與「自我進化」是什麼？
M2.7 約 230B 總參數、每個 token 啟用約 10B，是大型 MoE 模型。10B 是活躍參數，不能拿來推論一般 10B 模型的硬體需求；自架仍需要處理完整權重、KV cache 與推理框架。
官方所稱「self-evolution」指模型參與訓練與工程流程，例如建立 Skills、分析強化學習實驗、更新記憶與改進 harness。它描述的是受控開發流程，不是模型能在使用者環境中自行改寫目標或無限制升級。
MiniMax 公布 M2.7 在 SWE-Pro 為 56.22%、VIBE-Pro 55.6%、Terminal Bench 2 為 57.0%。這些是官方測試，適合了解設計方向；採購仍要用自己的程式庫、工具和失敗條件重測。
API 價格怎麼算？
官方 pay-as-you-go 頁目前列出：M2.7 每百萬 input tokens US$0.30、output US$1.20、cache read US$0.06、cache write US$0.375；M2.7-highspeed 的 input US$0.60、output US$2.40，快取價格相同。
M3 在不超過 512K context 的促銷價目前也是 input US$0.30、output US$1.20；512K 到 1M 為 input US$0.60、output US$2.40。價格頁標示折扣與服務層級，正式預算應在付款前重新確認。
單次任務成本還包含重試、工具結果、thinking 和輸出長度。最好的比較方式是固定 30 個任務，分別記錄成功任務數與總花費，再計算每個成功任務成本。
哪些情況留在 M2.7？
純文字客服、固定格式抽取、現有 coding Agent 或辦公自動化，如果 M2.7 已通過評估、錯誤率穩定，暫留能減少遷移風險。highspeed 適合對延遲敏感且願意多付推理費用的場景。
需要讀完整大型 repository、分析長影片、看圖片、操作桌面或把多個工具串成長時間任務時，M3 的能力更符合需求。先以少量流量比較，避免在沒有驗證前替換核心模型。
需要跨供應商比較，可用GPT、Claude、Gemini 選擇指南建立共同測試；需要下載權重時，先看開放權重模型指南並逐一核對授權。
M2.7 可以商用自架嗎？
API 商用依 MiniMax 平台條款處理。下載權重則要讀對應 repository 的 LICENSE；M2.7 權重採非商用條款，商業自架需要事前取得 MiniMax 書面授權。可下載不等於可自由商用。
M3 官方在發布時稱為 open-weight model，但模型頁仍寫完整權重將在之後釋出。準備自架的人應等實際 repository、權重與 license 上線，再做硬體和合規判斷。
常見問題
MiniMax M2.7 已經停用了嗎？
沒有。官方 API 文件與 Token Plan 仍列出 M2.7 和 M2.7-highspeed。它只是已被能力更完整的 M3 接替成為較新的選擇。
M2.7 和 M3 哪個比較便宜？
短 context 的官方促銷價接近，但 M3 超過 512K 會進入較高費率。應用實際輸出長度、重試和成功率會影響總成本。
只把 model 名稱換成 MiniMax-M3 就能遷移嗎？
仍要重新測 thinking、工具呼叫、長 context、結構化輸出、延遲與成本。先雙跑代表性任務，再逐步切流量。