据動察 Beating 監測,繼預告 M3 稀疏注意力後,MiniMax 在 arXiv 提交了 M2 系列 35 頁技術報告,首次系統歸檔了旗艦級 MoE 架構設計、數據管線與 Agent 原生基礎設施。
報告詳述了早期 M1 探索混合線性注意力路線後,M2 選擇配合 GQA 重回全注意力路線的技術妥協,並展示了如何用 MTP、Sigmoid 路由和 Forge 在推理與訓練兩端補成本短板,同時首次披露了超長上下文 Agent RL 訓練系統 Forge 與 M2.7 的自進化機制。其中,Forge 引入窗口化 FIFO 調度與前綴樹合併技術,在長序列 Agent 強化學習中最高實現 40 倍訓練提速。
此外,M2.7 首次展示智能體「自進化」閉環,可自主完成超 100 輪分析、改代碼、跑評測與回滾流程,使內部評測性能提升 30%。
性能方面,單 token 激活 9.8B 參數的 M2.7 在 SWE-Pro 上取得 56.22%,Multi-SWE-bench 達 52.7%,MLE Bench 平均獎牌率達到 66.6%,表現接近 Gemini 3.1。