小米和MiniMax同時放大招，Agent定價戰正式開打

By: blockbeats|2026/03/20 05:25:43

設為Google首選來源

Vibe Cat (Jupiter Studio)

Sleepless AI

3 月 18 日和 19 日，兩家中國公司先後發布了各自的 Agent 方向大模型。國內 AI 初創公司 MiniMax 推出 M2.7，小米旗下大模型團隊 MiMo 推出 V2-Pro。兩款模型在 Agent benchmark 上均進入全球第一梯隊，但它們的 API 輸出定價分別是 Claude Opus 4.6 的 1/21 和 1/8。

兩家同一周出牌，但手裡的牌完全不同。它們代表了兩條截然不同的技術路線，賭的是 Agent 時代的兩種未來。

同一場考試，1/17 的學費

先看最直觀的對比。

小米和MiniMax同時放大招，Agent定價戰正式開打

據 OpenRouter 和各公司官方定價頁數據，以 API 輸出價格（每百萬 tokens）計，MiniMax M2.7 是 1.2 美元，MiMo-V2-Pro 是 3 美元。作為參照，Claude Opus 4.6 的輸出價是 25 美元，GPT-5.2 是 14 美元，Claude Sonnet 4.6 是 15 美元。

價格差距是數量級的，但能力差距不是。在 SWE-bench Verified（當前衡量代碼工程能力最主流的 benchmark）上，MiMo-V2-Pro 拿到 78%，Sonnet 4.6 是 79.6%，差距不到兩個百分點。M2.7 的 SWE-Pro 成績為 56.22%，與 GPT-5.3-Codex 持平。在 VIBE-Pro（端到端項目交付能力）上，M2.7 拿到 55.6%，接近 Opus 4.6 的水平。

這張圖的重點不在於誰高誰低——各家的 benchmark 体系不完全對齊，直接比較要謹慎。重點在於那個「價格-性能剪刀差」：國產 Agent 模型已經擠進了同一個能力帶，但站在完全不同的價格區間裡。

萬億參數 vs 自我進化

價格只是表象。兩家公司拿出了兩套完全不同的底牌。

MiMo-V2-Pro 走的是「大力出奇蹟」路線。據小米官方公告，V2-Pro 擁有超過 1 萬億總參數，啟動參數 42B，支持 100 萬 tokens 的超長上下文。它的核心創新是 Hybrid Attention 混合注意力機制，將滑動窗口注意力（SWA）與全局注意力（GA）的比例調至 7:1——前代 V2-Flash 是 5:1。這套架構讓模型在處理長文檔、多工具並行調用的 Agent 場景時更穩定。在 PinchBench（Agent 工具調用能力評測）上，MiMo-V2-Pro 拿到 84%。

M2.7 走了一條完全不同的路。據 MiniMax 3 月 18 日發布的官方技術博客，M2.7 的參數量未公開，但它展示了一種「自迭代進化」機制：模型自主運行 100 輪以上的優化循環，包括分析失敗軌跡、規劃修改、修改自身代碼架構、跑評估、再循環，最終在內部評估集上實現了 30% 的性能提升。在 MLE Bench Lite（機器學習競賽難度評測）的 22 道高難度題中，M2.7 拿下 9 金 5 銀 1 銅，平均獎牌率 66.6%。

從五個維度看，兩條路線的鋒芒朝向完全不同：MiMo-V2-Pro 在上下文長度和代碼工程維度上明顯佔優，M2.7 則在辦公自動化和自迭代能力上拉開距離。據 MiniMax 同篇技術博客，M2.7 在 GDPval-AA（辦公文檔處理評測）上拿到 ELO 1495，居開源模型首位，在覆蓋 40 多個複雜技能的 MM-Claw 測試中保持了 97% 的技能遵循率。