华为昇腾 0 Day 支持 MiniMax M2.7 模型，推理部署提供全流程支持

IT之家 4 月 13 日消息，据昇腾 AI 开发者公众号，4 月 12 日，MiniMax 正式开源其第一个自我深度迭代的模型 MiniMax M2.7。昇腾一直同步支持 MiniMax M2 系列模型，此次 M2.7 模型一经开源发布，昇腾 AI 基础软硬件即实现 0 Day 适配，可基于 vllm Ascend 在 Atlas 800 A3、Atlas 800I A2 系列产品上为该模型的推理部署提供全流程支持。IT之家从官方介绍获悉，MiniMax M2.7 能够自行构建复杂 Agent Harness，并基于 Agent Teams、复杂 Skills、Tool Search Tool 等能力，完成高度复杂的生产力任务。在研发过程中，MiniMax 基于模型构建强化学习 Harness 中的数十个复杂的 skills，更新自己的 memory，驱动模型自身的强化学习，并基于结果优化强化学习过程和 Harness，开启模型的自我进化。昇腾持续加速算子和基础软硬件创新，匹配 MiniMax M2.7 模型创新的 FlashComm 序列切分，AllReduce 换成 ReduceScatter 和 AllGather 通信加速；深度优化的 Transformer Attention 前序全链路融合算子和 MoE 大融合算子，彻底消除中间张量读写和多算子调度开销；同时在多 DP 并发场景下，自适应 DP 域负载均衡，大幅降低 prefill 对 decode 的抢断，显著提升重载忙时的吞吐性能，让广大用户和开发者畅享 MiniMax M2.7 新体验。构建模型自我进化智能体：MiniMax 团队在开发过程中，研究员将 M2 的早期版本引导为一个研究型 Agent Harness 来参与下一代模型的迭代循环，它能够与不同的研究项目组进行交互和协作，研究员在每一层引导方向，模型在每一层负责构建，研究员只需在关键决策和讨论时介入。通过 Agent 驱动，大幅加速了问题发现和实验迭代，从而更快地交付模型。部分 RL 场景下，M2.7 能够胜任 30-50% 的工作流。软件工程领域：M2.7 更深入地打磨了真实软件工程所需的编程能力，覆盖日志分析与 Bug 定位、代码重构、代码安全、机器学习、安卓开发等方向。在涵盖多种编程语言的基准测试 SWE-Pro 中 M2.7 以 56.22% 的正确率追平 GPT-5.3-Codex；而在更贴近真实工程场景的 SWE Multilingual（76.5）和 Multi SWE Bench（52.7）中展现出更显著优势。专业办公领域：M2.7 模型提升了专业知识和任务交付能力，在 GDPval-AA 得分为开源最高；并且具备与复杂环境交互的能力，在 40 个复杂 skills (>2000 Token) 的 case 上，仍能保持 97% 的 skills 遵循率。互动娱乐领域：M2.7 构建了一个 Agent 交互系统 OpenRoom，它将 AI 互动置入一个万物皆可互动的 Web GUI 空间，极大加强了人设保持和对话能力，并且能够随着模型 Agentic 能力的提升和社区共建持续进化。