从混合线性注意力切回全注意力，Sigmoid路由和Forge推训优化，M2.7在长序列Agent RL上的工程取舍挺有意思，100轮自进化闭环30%提升，这数据放在9.8B参数规模下相当能打

本文梳理 MiniMax 的 M2 系列技术报告，描述 M1 的混合线性注意力向全注意力的取舍，以及 MTP、Sigmoid 路由、Forge 在推训端的成本缓解。首次披露长序列 Agent RL 的 Forge 与 M2.7 自进化机制，采用窗口化 FIFO 与前缀树合并，训练速率在长序列可达 40 倍提升。M2.7 的自进化闭环可完成超 100 轮分析、改代码、跑评测与回退，提升约 30%。在单 token 9.8B 参数下，SWE-Pro 56.22%，MLE Bench 66.6%，接近 Gemini 3.1。