MiniMax M2.7 发布：双格式 API 兼容 OpenAI 和 Anthropic，对路由层意味着什么

当一个新模型同时上线 OpenAI 兼容和 Anthropic 兼容两套 endpoint 时，这不只是一条 benchmark 新闻——它是一次路由架构决策。MiniMax 今日发布的 M2.7 正是如此：在大多数 AI 工程团队已经运行的两条 SDK 路径上，都增加了一个可信、低成本的选项，同时以 Claude Opus 零头的价格达到接近的 SWE-Pro 分数。对于通过 OpenAI 兼容网关路由编码和 agent 任务的团队而言，真正的问题不是 M2.7 是否存在，而是它是否应该进入你的 fallback 或主路由槽位。

发生了什么

MiniMax 于 2026 年 5 月 26 日发布 M2.7，这是一个围绕"自我进化" agent 架构构建的新旗舰模型。在 M2.7 的研发过程中，MiniMax 使用该模型的早期版本自动化强化学习实验、迭代自身 scaffold，并运行了 100 轮以上的自主优化循环。这一过程产出了在真实软件工程场景下表现强劲的模型：

• SWE-Pro benchmark：56.22% — 接近 Claude Opus 最优水平，在开源模型中仅次于 Claude Opus 4.7 和 GPT-5.5
• VIBE-Pro（端到端完整项目交付）：55.6%
• Terminal Bench 2（复杂工程系统理解）：57.0%
• MLE-Bench Lite：66.6% 奖牌率 — 与 Gemini-3.1 持平，仅次于 Opus-4.6 和 GPT-5.4

API 定价为输入 $0.30 / 百万 token，输出 $1.20 / 百万 token，上下文窗口 205K。另有高速版本 MiniMax-M2.7-highspeed 可用于对吞吐量敏感的场景。

模型已在 MiniMax API 平台上线，同时作为第三方模型列入阿里云百炼/DashScope，模型 ID 为 MiniMax/MiniMax-M2.7。

对 AI 工程团队为何重要

双 API 格式是最具操作意义的细节。MiniMax M2.7 支持：

• OpenAI 兼容 API — 相同的 /v1/chat/completions 路径，相同的请求结构，可直接用于 OpenAI Python SDK、TypeScript SDK 或任何 OpenAI 兼容网关
• Anthropic 兼容 API — MiniMax 在其文档主页将此作为一级路径重点展示，意味着运行 Claude Code、Anthropic SDK 或任何 Anthropic 格式代理的团队无需修改代码即可接入 M2.7

这一点至关重要，因为当前大多数路由基础设施都围绕这两条 SDK 路径之一构建。一个同时兼容两种格式且无需 adapter 适配的模型，集成成本几乎为零，自然成为真正可用的路由候选。反之，只支持单一格式或需要自定义转换的模型会造成 SDK 专有锁定——这是大多数团队希望避免的。

定价也重新调整了成本对比。$0.30/$1.20 每百万 token 意味着 M2.7 大约是：

• Claude Opus 4.7 成本的约 1/10（用于编码/agent 任务时）
• 与 DeepSeek V4 Pro 促销价相当，但 MiniMax 未宣布促销有效期限制
• 低于 Kimi K2.6（$1.20/$4.50），而后者持有相似的长程编码 benchmark 分数

对于运行高频 agent 循环的团队——每次调用费用积累迅速——M2.7 在接近 Opus 级别 benchmark 分数下的低价，为主路由或 fallback 路由槽位提供了可信选项，尤其适用于不需要 Opus 全部能力余量的任务场景。

路由/运营视角分析

格式路由决策： 如果你的路由层按 SDK 格式分发请求，现在有了一个新的交叉点。MiniMax M2.7 可通过 OpenAI 路径或 Anthropic 路径访问——这意味着你可以从 Claude Code（通过 Anthropic 格式代理）、标准 OpenAI SDK 客户端，或同时规范化两种格式的网关中访问它。这正是 DeepSeek 在推出 Anthropic API 支持时采用的双格式策略，并正在成为严肃编码/agent 模型竞争者的新标准。

Fallback 与成本路由： 一个将 Opus 级别任务首先路由到 Claude Opus 4.7、fallback 到成本为 1/10 的 M2.7 的路由策略，既保留了性能余量，又不需要对每次调用都支付 Opus 全价。Opus 与 M2.7 之间的 benchmark 差距足够小，对于许多 agent 任务类别——日志分析、代码重构、安全检查——fallback 的表现是可接受的。

DashScope 作为次级路由节点： M2.7 在阿里云 DashScope 上架，意味着国内团队可以通过他们已经用于访问 Qwen 模型的同一个 DashScope OpenAI 兼容 endpoint 访问它，无需单独开通 MiniMax API 账号。DashScope 模型 ID 为 MiniMax/MiniMax-M2.7。这简化了将国内模型访问统一到 DashScope 的团队的多 provider 路由配置。

路由团队评估 M2.7 的检查清单：

• 确认你现有路由层分发哪种格式（OpenAI 还是 Anthropic）——M2.7 两种都支持，但需在 MiniMax 当前文档中确认具体的 endpoint 路径
• 根据实际任务分布对照 SWE-Pro 和 VIBE-Pro 分数，而非仅看通用智力 benchmark
• 评估上下文窗口适配性：M2.7 的 205K 上下文可能比 Kimi K2.6（256K）更紧张，不适合文档密集或长会话工作负载
• 关注 $0.30/$1.20 定价是否为首发价格——MiniMax 未宣布促销窗口，但新模型定价通常在首发 30-60 天内有调整可能
• 大规模测试 skill adherence：M2.7 声称在 40 个以上的复杂 skill（每个超过 2,000 token）中保持 97% 的遵循率，这对多工具 agent 循环很重要，但仍需针对你的实际工具定义进行验证

TheRouter 用户应关注什么

使用 TheRouter 路由 OpenAI 兼容请求的团队可以将 MiniMax API 添加为 provider 配置，并测试 M2.7 作为编码或 agent 任务的 fallback 目标。M2.7 同时接受 Anthropic 格式请求，这意味着它也可从用于 Claude Code 的路径访问——使其成为 Anthropic 格式会话遭遇速率限制或价格上限时的现实成本降低 fallback 选项。

关键运营问题在于：在你的实际 agent 任务分布上，M2.7 能否填补与 Opus 级别模型之间的差距，从而证明成本节省的合理性？SWE-Pro 数字表明，对于大多数软件工程子任务，答案是肯定的。你的 evals 将告诉你剩余差距出现在哪里。