看完技术文档和发布报告，我的感受很复杂——这是一次技术上的绝对突破，也是一次商业上的信仰崩塌。
两款产品，一样的团队，两个故事。
一、技术突破：AI第一次自己长大了
先说技术，这点必须承认，没什么好质疑的。
M2.7的核心突破在于Agent Harness体系，官方称之为研究型Agent框架。这是什么意思？
传统模型迭代，靠的是人类研究员看实验结果、分析数据、调整参数、再训练——整个反馈循环都是人在驱动。MiniMax M2.7把这个循环自动化了：模型自己扮演研究员，自己分析实验结果，自己设计优化方案，自己执行迭代。
具体做了什么？根据MiniMax官方披露：
- 系统性搜索采样参数最优组合——温度、频率惩罚、存在惩罚，模型自己找到了比人工设定更好的配置
- 设计更具体的工作流指引——比如修复一个bug后自动搜索其他文件中相同的bug模式
- 在Agent Loop中加入循环检测等优化——避免模型在某个环节里死循环
结果：在内部评测集上效果提升约30%，已自主完成超过100轮迭代。
这意味着什么？
意味着过去模型的进化速度，取决于人类研究员的速度——而人类研究员要睡觉、要休息、有认知瓶颈。M2.7的进化速度，取决于GPU——而GPU可以24小时不间断跑。
这不是噱头。这是范式级别的差异。
二、性能数据：开源里的天花板
办公场景：GDPval-AA ELO得分1495，开源最高。 45个模型同台竞技，M2.7排第四，仅次于 Opus 4.6、Sonnet 4.6 和 GPT5.4，超过了GPT5.3。
编程场景：SWE-Pro得分56.22%，几乎追平Opus最好水平。
代码生成：VIBE-Pro得分55.6%，与Opus 4.6持平。
Agent能力：MM-Claw评测62.7%正确率，接近Sonnet 4.6。
复杂技能遵循：40个复杂技能（超过2000 Token），97%遵循率。
总结一句：在开源模型里，M2.7没有对手。
三、我为什么一直在用MiniMax
我一直在OpenClaw里用MiniMax M2.7。也一直在推荐身边的朋友用MiniMax的Token Plan。
为什么？因为它真的好用。
日常工作中，我用OpenClaw处理各种任务——写文章、查资料、分析数据、代码审查。M2.7跑在OpenClaw里，响应速度快，指令遵循准确，复杂任务分解能力强。最重要的是——稳定。不会动不动就抽风，也不会突然丢上下文。
身边有朋友问我在用什么AI时，我第一个推荐的就是MiniMax。不是因为它最便宜，而是因为它的性价比和稳定性，最适合当成日常工作的主力AI来用。
所以这次M2.7发布，我是真的兴奋。自我进化、100轮迭代、GDPval-AA开源最高分——这些数据背后意味着什么？意味着我日常用的工具，又变强了。
但兴奋劲还没过，就看到了许可证。
M2.5的时候，我跟朋友说"放心用，MiniMax免费商用，生态很健康"。现在M2.7出来，告诉我不能商用，需要书面授权？
我该怎么跟朋友解释？"你们继续用，但记住只能个人学习研究用，别拿来商业化"？
这种话说出来，我自己都觉得别扭。
四、许可证争议：吃相难看
M2.7的开源许可证明确规定：禁止商用，需要书面授权。
M2.5时代，MiniMax几乎没有任何商用限制。开源社区随便用、随便改、随便商业化。那时候MiniMax是圈内的"良心开源派"，和DeepSeek、Qwen一起，被开发者称为"中国开源三杰"。
结果M2.7一出来，协议直接改了：想商业化？先找MiniMax谈，写书面申请，等审批。
有人会说：商业公司不是慈善机构，大模型公司要活下去，收费天经地义。
说得没错。
但问题是：当年谁在帮你把生态做起来的？
是开源社区。是全球开发者。是那些免费用你模型、帮你找bug、帮你写教程、帮你宣传的个人开发者和中小企业。
现在模型性能好了、影响力大了，转身就把梯子撤了——这不叫商业决策，这叫过河拆桥。
五、行业信号：中国大模型开源时代落幕
M2.7不是个例。
- DeepSeek-R1 限制商用
- Qwen系列收紧授权
- MiniMax M2.7 禁止商用需书面授权
中国大模型的"免费开源商用"时代，基本结束了。
为什么？因为大家都想明白了：开源是获客手段，商业化才是目的。
但真正让人不舒服的不是收费，是先免费圈地、再突然翻脸。M2.5发布时社区一片叫好，没有任何信号表明会收授权费，结果M2.7直接改了协议。这种做法对开发者的信任损耗，是长期且不可逆的。
六、海外开发者的反应：又爱又恨
HuggingFace讨论帖里，很多海外开发者用"impressive"、"game changer"形容M2.7的能力。Reddit的LocalLLaMA板块有人直言："如果想要能本地运行、能自我改进的模型，只能看MiniMax这样的开源实验室——谷歌、Anthropic和OpenAI根本不敢发布这种东西。"
但许可证让很多人头疼。有开发者写道："基于这个许可证，你甚至不能把这个模型用在商业项目里体验一下效果。更糟糕的是，它甚至不是标准的BSD-3-Clause协议，而是自己搞了一套独特的条款——如果你用这个模型开发了一个开源库，每个下游产品都需要在显眼位置显示Built with MiniMax M2.7。这会造成许可证的兼容混乱。"
技术上的香饽饽，授权上的烫手山芋。
七、Ollama Cloud：商业授权的唯一出口
MiniMax留了一个口子：Ollama Cloud已获得MiniMax官方商业使用许可。
这是一个务实的商业决策——借道Ollama的云服务实现商业变现，同时维持开源社区的"免费体验"形象。
但对开发者来说，这意味着：如果你想在本地跑一个商用的AI产品，M2.7不欢迎你；如果你的产品跑在Ollama Cloud上，MiniMax欢迎你——但你每token都要交钱。
八、Token出海：硬币的另一面
2026年2月，中国AI模型在全球最大API聚合平台OpenRouter上的Token调用量，历史上首次超越美国。中国模型周调用量5.16万亿Token，全球占比61%。推动这个数据的主力，是硅谷和欧洲的海外开发者——美国开发者占OpenRouter用户的47%，中国开发者只占6%。
中国的开源大模型已经真正打入了全球开发者的生产流程。
而MiniMax M2.7的许可证，正在往这个蓬勃发展的生态里浇一盆冷水。
当海外开发者发现，基于中国开源模型做的产品，随时可能因为许可证变化而被收回授权，他们会怎么想？
信任一旦破坏，迁移成本再高也挡不住。
最后说一句
MiniMax M2.7，技术封神。
Agent Harness体系、自我进化能力、100轮自主迭代、GDPval-AA开源最高分——这是一款在技术上毫无争议的产品。
但许可证这一刀，砍在了开发者信任心上。
我不反对商业化。大模型公司要活下去，收费天经地义。
但从M2.5的"完全免费商用"到M2.7的"禁止商用需授权"，这个转变来得太突然、太利落、太不体面。
你可以收费，但能不能不要先把人圈进来，再突然把门关上？
这是我对MiniMax M2.7最不满的地方。
也是整个中国大模型开源生态需要反思的地方。
