Jiayuan (JY) Zhang(@jiayuan_jy):几个客观性说明： 1）这一条和 MiniMax 没有任何关系（我从来不接商单） 2）「体感」不等于真实水平，不是量化数据用了更多的一些体验，整体上 coding 能力对比 m2.7 是质的提升，目前发现的缺点是 1-shot 的结果相比较 Opus 4.6/4.7/gpt5.5 没有那么全面，会出现考虑不是特别全的情况。但是加另外一个 Agent 作为 gate 和 mentor（例如 Opus 4.7），可以获得一个非常好的结果，M3 写代码，Opus 4.7 做 code review 并给出具体的修改意见，可以做到一个很好的「效果 + token 使用」的平衡。为了保证客观性，正在做一个更加量化的数据评测：用 Multica 这个项目中真实的 Issue 来做 benchmark。整个流程均基于 Multica 的 Squads 功能，会同步加上其他主流 OSS 模型作为评测的对象。

2026.06.01 08:54

几个客观性说明： 1）这一条和 MiniMax 没有任何关系（我从来不接商单） 2）「体感」不等于真实水平，不是量化数据用了更多的一些体验，整体上 coding 能力对比 m2.7 是质的提升，目前发现的缺点是 1-shot 的结果相比较 Opus 4.6/4.7/gpt5.5 没有那么全面，会出现考虑不是特别全的情况。但是加另外一个 Agent 作为 gate 和 mentor（例如 Opus 4.7），可以获得一个非常好的结果，M3 写代码，Opus 4.7 做 code review 并给出具体的修改意见，可以做到一个很好的「效果 + token 使用」的平衡。为了保证客观性，正在做一个更加量化的数据评测：用 Multica 这个项目中真实的 Issue 来做 benchmark。整个流程均基于 Multica 的 Squads 功能，会同步加上其他主流 OSS 模型作为评测的对象。