深度分析
MiniMax M2.7 開源：具自我演化能力的多代理 MoE 大型語言模型
MiniMax M2.7 於 2026 年 4 月開源，採用 MoE 架構並支援 Agent Teams，能在 SWE‑Pro、Terminal Bench 2 等實務基準取得 56% 以上正確率，且透過自我演化迴圈提升 30% 效能，預示開源模型在生產除錯與金融分析上的新可能。
深度分析
MiniMax M2.7 於 2026 年 4 月開源，採用 MoE 架構並支援 Agent Teams，能在 SWE‑Pro、Terminal Bench 2 等實務基準取得 56% 以上正確率，且透過自我演化迴圈提升 30% 效能，預示開源模型在生產除錯與金融分析上的新可能。
深度分析
隨著大型語言模型持續擴張，密集架構面臨成本與效能瓶頸。Mixture of Experts 以多個可學習子網路取代部分前饋層，透過路由器選擇少量專家處理每個 token，實現參數規模與推論速度分離。Hugging Face 重新設計權重載入與專家後端，使 MoE 在 Transformers 中成為一等公民，顯著縮短載入時間並提升訓練效率，預示未來 AI 開發將更倚賴稀疏化技術。