最近大模型又卷起来了。
进入 2026 年以后，大家对模型的判断其实已经很现实了。
你要拼极限推理，那海外顶级旗舰还是强。
你要拼网页端体验、排版效果、普通用户开箱即用，国内一些大厂产品也确实做得更顺手。
那 MiniMax M2.7 这种模型到底该放在哪？
我一开始对它的预期其实很简单：别给我整花活，能把脏活累活干明白就行。
因为真实工作里，很多任务根本没有那么浪漫。
你不会天天让模型写一篇惊天动地的小说，也不会天天让它证明黎曼猜想。
更多时候，你面对的是一堆研报 PDF、一堆乱七八糟的 Excel、一堆要改格式的 PPT、一堆需要批量跑的 API 任务。
这些活，看起来不高级，但最烦人。
更关键的是，你真舍得把这些活都交给最贵的顶级模型吗？
反正我不太舍得。
真实业务里，大家算的从来都是一笔账：够不够用，稳不稳，便不便宜，能不能接进工作流。
所以这次我没有去测什么跑分，也没有拿 M2.7 去 OpenClaw 里写复杂代码。
我就把它放到几个最常见、最烦、也最能看出“干活能力”的场景里。
看看它到底是不是一个能进自动化工作流的模型。
MiniMax 体验地址：
https://agent.minimaxi.com/
第一个场景：把复杂研报 PDF 转成 PPT
先来一个办公场景里非常常见的任务。
我找了一份典型券商研报，小米集团的 PDF。
它不是那种干干净净的一页纸，而是双栏排版，有文本、有图表、有财务预测表格，还有多级标题。
这种 PDF 对模型来说其实挺烦的。
难点不只是把字识别出来。
真正难的是：模型能不能理解版面结构，知道哪些是标题，哪些是正文，哪些是表格，哪些是图表，然后再把这些内容重新组织成一个可以二次编辑的 PPTX 文件。
注意，这里关键是“可以二次编辑”。
很多工具看起来能转，实际上就是截图贴进去。
表面像 PPT，底层全是死图。
这种东西拿去自动化流程里，基本没什么价值。
这次给模型的指令是：
作为专业财务分析师，请深度阅读这份 PDF，提取核心财务指标，包括营收、利润等，和业务亮点，生成一份格式严谨、可以直接用于汇报的 PPTX 文件。同一份研报，我分别交给 Gemini、豆包和 MiniMax M2.7。
很有意思。
Gemini 的理解能力确实强。
它对核心数据的抓取很稳，比如 1,169 亿营收、63.5 亿经调整净利润这些关键指标都抓到了。你能明显感觉到，它真的把研报读懂了。
但问题出在交付上。
我要的是 PPTX，它最后交付的是一份 PDF 格式的分析报告。
这就有点像你让一个学霸帮你做汇报材料，他洋洋洒洒写了一篇高分论文，内容很强，但你明天开会要放 PPT，他没给你 PPT。
所以 Gemini 在这个场景里的表现是：阅读能力很强，办公格式交付没完全跟上。
豆包的表现则更像一个熟练的设计助理。
它成功输出了原生 PPTX，而且视觉效果明显更好。
排版、对齐、整体模板感，基本都比较适合直接拿去开会。
如果你的需求是“我就想要一份看起来比较像样的汇报 PPT”，豆包在这个场景里确实很省心。
MiniMax Agent 的结果就很典型。
它也输出了原生 PPTX，核心数据提取也没有明显问题，比如 1,169 亿元收入、同比增长这些信息都抓到了。
但你一打开文件，马上能看出它的短板。
排版有点挤，标题和数据框之间的距离不舒服，数据框内部对齐也比较粗糙，整体视觉质感不如豆包。
但这里有个细节值得说。
MiniMax Agent 没有用截图糊弄。
它把标题、正文、财务数据都拆成了可以编辑的原生 Office 组件。
这件事对普通用户来说可能没那么性感，但对做自动化工作流的人来说很重要。
因为你后面可以继续处理这些组件，可以二次编辑，可以接入系统，可以批量清洗，可以进入下一步流程。
所以这个场景我的判断是：
要马上拿去开会，豆包更舒服。
要把复杂 PDF 拆成可编辑、可进入后续流程的 Office 组件，MiniMax Agent 是有价值的。
它做出来的东西不精装，但地基没塌。
第二个场景：让它同时生成 Excel 和 HTML 页面
第二个场景，我想测它的跨文件一致性。
很多模型单独生成一个表格没问题，单独写个网页也没问题。
真正麻烦的是：你让它先生成一份 Excel，再基于同一份数据写一个 HTML 展示页，最后两边数据还要完全一致。
这就开始考验它有没有“左右脑协同”能力。
我给它的任务大概是这样：
“请作为资深数据分析师执行以下任务：1. 模拟搜索： 假设你已检索到近期热门的 10 部电影...2. 生成 Excel： 将上述列表生成一个 Excel 文件...3. 设计 HTML： 编写一个美观、响应式的 HTML 网页代码...4. 交付物： 请直接提供可下载的 Excel 文件，并输出 HTML 的完整源码。要求两者数据完全一致。”这个测试里，我不重点看它选的电影是不是真实热榜。
因为任务里本来就写了“模拟搜索”。
我真正关心的是两件事。
第一，它能不能把数据整理成结构化 Excel。
第二，它能不能让 Excel 和 HTML 里的数据对上。
MiniMax Agent 这轮表现还不错。
它生成了 movies_data.xlsx，里面有电影名、类型、评分、热度指数、上映日期这些字段。
而且它没有只做一个普通明细表，还额外做了按类型汇总的评分统计。
这说明它对“Excel 文件”这件事的理解，不只是把内容塞进单元格，而是知道可以用 Sheet、公式、汇总这些结构来组织数据。
更重要的是，它生成的 HTML 页面里的数据和 Excel 对得上。
这点在自动化工作流里非常关键。
因为很多模型最容易出问题的地方就在这里：前面说 A，后面变成 B；Excel 里是 91 分，网页里突然变成 89 分；第一轮生成的数据，第二轮又自己改了。
MiniMax Agent 在这个场景里没有明显掉链子。
页面视觉风格还是比较朴素，谈不上多惊艳，但代码结构清楚，保存下来能跑。
对开发者来说，这种结果其实挺实在。
它不会给你一个惊艳的前端作品，但能快速把数据、文件和页面串起来。
这类能力放在 Agent 工作流里，价值比表面看起来更大。
因为很多自动化任务不是一次性交付一个漂亮页面，而是要稳定地跑很多次。
一次能跑通不稀奇，每次都别出大错，才是真功夫。
第三个场景：联网搜数据，生成 Word、Excel、PPT 三件套
第三个场景，我给它加了难度。
这次不是把本地 PDF 扔给它。
我要求它联网搜集小米集团最新的 2026 年第一季度财报核心数据，然后完成一整套投研交付。
指令要求：
请立即联网搜集小米集团最新的 2026 年第一季度（1Q26）财报核心数据。执行以下任务：1. 财务建模： 准确提取...2. 深度报告： 基于检索到的最新数据...3. 汇报方案： 将上述财务预测...4. 交付要求： ...确保三份文件中的财务数据口径绝对一致。这个任务其实挺考验模型的。
因为它不是简单写一段回答。
它要先找资料，再提数据，再建模型，再写报告，再做汇报，还要保证三份文件之间的数据不要串。
很多模型到这一步就容易开始“自由发挥”。
前面 Excel 里写一个数据，后面 Word 里换一个口径，到了 PPT 又变成另一个说法。
MiniMax Agent 在这个场景里的表现，确实比较像一个能干活的助理。
它生成了完整的三件套。
Excel 里面不是一个简单表格，而是分成了多个 Sheet，比如核心数据汇总、2Q26 营收预测模型、汽车业务详细分析、计算公式汇总。
这说明它在处理“财务建模”这个任务时，没有只停留在表面。
它知道一个模型文件应该有结构，有明细，有假设，有计算过程。
Word 研究报告也比较完整，围绕小米 AI 基座模型、MiMo-V2 系列、具身智能等方向展开，没有只做信息堆砌。
PPT 部分依然是 MiniMax Agent 那个熟悉的风格：视觉不算漂亮，但结构完整。
它像一个刚入职但很踏实的助理，审美一般，活儿能交。
这个场景里，我最在意的是数据一致性。
从输出结果看，它在 Excel、Word、PPT 之间没有出现明显的数据乱跳。
这对自动化工作流非常重要。
因为一旦你要把模型接到真实业务里，最怕的不是它写得不够漂亮，而是它悄悄把关键数据改了。
视觉可以后期调，数据错了就是事故。
所以这一轮我的感受是：
MiniMax Agent 不像一个特别会包装自己的设计型选手。
它更像一个愿意把表格、公式、报告、PPT 一层一层搭起来的执行型选手。
干得不花，但挺稳。
第四个场景：从数据分析继续生成口播、配图和音频
前面几个场景都偏“理科”。
最后我想看看它能不能继续往内容生产方向走。
真实工作里，数据分析做完以后，经常还要继续做宣发。
比如你做完一份财报分析，接下来要写短视频口播，要配一张图，甚至要生成语音旁白。
传统流程会很割裂。
文案用一个模型写。
语音丢给 TTS 工具。
封面图再去生图工具跑。
来回复制粘贴，工具切来切去，效率很低。
所以我直接承接前面的上下文，继续给 MiniMax Agent 下了一条复合指令：
“干得不错。现在请基于刚才分析的小米 1Q26 财报中的 AI 智能体（Xiaomi miclaw）进展，帮我写一段 100 字左右、情绪激昂的短视频宣发口播文案。写完后，请直接调用你的多模态能力：1. 用适合科技解说的男声，把这段文案生成一段语音旁白。2. 生成一张带有‘未来科技、具身智能、赛博朋克’风格的 16:9 封面图。”它输出的口播文案大概是这个方向：
当科技突破想象的边界，智能体不再是冰冷的代码，而是你生活中最懂你的伙伴！小米miclaw AI智能体，深度整合人车家全生态，让AI从屏幕跃入现实，看你所看，听你所想，替你执行！万亿参数基座大模型加持，秒级响应万物互联。小米，让具身智能走进千家万户！这不只是科技的进步，这是未来的召唤！这段文案当然有点热血，有一点科技宣传片味道。
但它完成了任务。
更关键的是，它没有让我去切换工具。
在同一个对话流里，它把文案、音频和封面图都做出来了。
这点对内容生产团队很有吸引力。
你要说它生成的图能不能和专业生图工具硬碰硬，那肯定要打个问号。
但它的优势在于顺手。
尤其是在企业内容生产里，很多时候不是要一张艺术级作品，而是要快速做出一套能用的物料。
今天要 10 条口播，明天要 20 张封面，后天要把研报改成短视频脚本。
这种场景下，一个模型能在同一个上下文里完成文本、图片、音频的调度，就很省事。
这也是 MiniMax Agent 比较有意思的地方。
它不只是一个文本模型，也不只是一个代码工具。
放在业务流里看，它更像一个多模态调度中枢。
你给它一个任务链，它能顺着往下做。
做得不一定惊艳，但能往前推。
测完以后，我对 MiniMax Agent 的判断
这几轮测下来，我对 MiniMax Agent 的感觉更清楚了。
它不是那种让人第一眼惊呼“太强了”的模型。
它的 PPT 视觉不够精美，前端页面也偏朴素，审美上还有明显提升空间。
但它有一个很适合真实业务的特点：愿意干脏活，格式能交付，结构比较稳，成本还低。
这就很现实。
因为在很多企业和团队里，真正消耗时间的往往不是那些看起来最炫的任务。
而是这些东西：
把 PDF 里的信息拆出来；把研报整理成 PPT；把表格做成带公式的 Excel；把同一份数据同步到 Word、PPT、网页里；把分析结果继续变成口播、配图、音频。
这些任务不一定难到哪里去，但很烦，很碎，很容易出错，也很适合交给模型批量处理。
MiniMax Agent 这次给我的感觉，就是一个“花小钱、办中事”的模型。
它不会替你完成所有高阶判断，也不会自动做出特别高级的设计。
但它能把很多基础工作做到及格线以上，而且交付的是可编辑、可接入、可继续处理的文件。
这点很关键。
因为自动化工作流最怕的是“看起来完成了，实际没法用”。
比如 PPT 全是截图，Excel 没有公式，网页数据和表格对不上，报告里的数字前后不一致。
这种结果拿到手，最后还是得人来擦屁股。
MiniMax Agent 的价值就在于，它输出的东西虽然不够漂亮，但底层逻辑比较老实。
Office 组件是活的。Excel 公式是活的。多份文件之间的数据能尽量对齐。
这就让它具备了进入自动化流程的可能性。
我觉得它最适合三类人。
第一类，是经常处理文档、研报、表格的团队。
第二类，是正在搭 Agent 或自动化工作流的开发者。
第三类，是内容生产量比较大，需要文案、表格、图片、音频一起跑的运营团队。
你要让它做一个精美到可以直接上发布会的大屏 PPT，它可能不是首选。
你要让它每天帮你处理一堆文件、清洗一堆表格、生成一批基础内容，它反而很合适。
大模型发展到现在，大家也该逐渐冷静下来了。
最聪明的模型当然有价值。最会做界面的产品也有价值。
但真实业务里，还有一类模型很重要：调用成本低，听指令，少犯错，能把重复劳动稳定干完。
MiniMax Agent 目前看，切的就是这个位置。
它不负责惊艳你。它负责帮你少加班。
