English Arabic 简体中文 繁體中文 Français Deutsch 日本語 한국어 Português Русский Español

在 Claude Code 中使用 MiniMax M2.7（透過 Novita AI）

作者 / / LLM / 4 分鐘閱讀
在 Claude Code 中使用 MiniMax M2.7（透過 Novita AI）
目錄
  1. 為什麼 M2.7 適合作為 Claude Code 後端
  2. 在 Novita AI 上的 MiniMax M2.7 API 規格
  3. 步驟 1：取得你的 Novita AI API 金鑰
  4. 步驟 2：安裝 Claude Code
  5. 步驟 3：設定環境變數
  6. 步驟 4：啟動 Claude Code 並驗證
  7. 步驟 5：針對代理工作流程最佳化
  8. 成本分析
  9. 真實使用案例
  10. 疑難排解
  11. 常見問題
  12. 推薦文章

MiniMax M2.7 在 Novita AI 上提供，具備 Anthropic 相容端點，這表示你只需要設定四個環境變數，無需其他變更，即可將其整合到 Claude Code 中。輸入成本為每百萬 Token $0.3 — 大約是 Claude Opus 4.6 的 23 分之一，同時該模型在 40 多個並行工具上維持 97% 的工具調用準確率。本指南涵蓋了確切的設定、驗證過的規格、成本計算以及在決定使用前值得了解的權衡。

快速解答： 在啟動 Claude Code 前，設定 ANTHROPIC_BASE_URL=https://api.novita.ai/anthropic、ANTHROPIC_AUTH_TOKEN=<your key> 以及 ANTHROPIC_MODEL=minimax/minimax-m2.7。這就是整個整合步驟。

在 Novita AI 上試用 MiniMax M2.7

為什麼 M2.7 適合作為 Claude Code 後端

Claude Code 透過工具呼叫來執行每一次檔案讀取、終端機指令和編輯操作。其底層模型不僅需要處理簡單提示，還必須在漫長的多步驟會話中可靠地呼叫這些工具。

M2.7 的亮點數據是：在 40 多個並行工具、每個工具定義超過 2000 Token 的情況下，技能遵循準確率達 97%。這直接對應到 Claude Code 的工具集：Read、Write、Edit、Bash、Glob、Grep、WebFetch 等。那些工具遵循能力較弱的模型，可能會在會話中途遺失參數或呼叫錯誤的函數，而 M2.7 能維持其準確率。

另一個相關數字是上下文視窗：204,800 Token。這足以在大型程式碼庫、對話歷史和工具結果中保持上下文，無需在任務中途強制壓縮。

M2.7 在 Claude Code 中的優勢：

  • 需要持續工具鏈的多檔案重構
  • 生產環境除錯工作流程（日誌分析 → 資料庫查詢 → 修復）
  • SWE-Bench 類任務：SWE-Bench Pro 56.2%、Multi-SWE-Bench 52.7%
  • 需要角色一致、多輪推理的代理工作流程
  • 對成本敏感、同時運行多個會話的團隊

需要調整期望的地方：

  • 僅文字輸入模式（不支援圖片或檔案上傳至模型）
  • 204,800 Token 的上下文雖然大，但並非 M3 的 1M 等級
  • 自行部署需要大量 GPU — 實際上使用 API 是最可行的途徑

在 Novita AI 上的 MiniMax M2.7 API 規格

欄位 數值
模型 ID minimax/minimax-m2.7
Anthropic 基礎 URL https://api.novita.ai/anthropic
OpenAI 基礎 URL https://api.novita.ai/openai/v1
上下文視窗 204,800 tokens
最大輸出 131,072 tokens
輸入模式 文字
輸出模式 文字
支援功能 函數呼叫、結構化輸出、推理、JSON 模式、Anthropic API 相容
輸入定價 每 100 萬 Token $0.30
輸出定價 每 100 萬 Token $1.20
快取讀取定價 每 100 萬 Token $0.06
檢查日期 2026-07-03，資料來源：Novita AI 模型頁面 和 Novita 上的 MiniMax M2.7

Anthropic 相容端點 (/anthropic) 是 Claude Code 使用的路徑。OpenAI 相容端點則適用於直接 API 呼叫及其他工具。

步驟 1：取得你的 Novita AI API 金鑰

  1. 前往 novita.ai 並建立帳號（免費註冊）
  2. 導覽至 設定 → API 金鑰
  3. 點選 建立新金鑰，為其命名（例如 claude-code-m2.7），然後複製金鑰
  4. 切勿將金鑰放入原始碼、公開儲存庫或共用筆記本中

以環境變數方式儲存，而非在任何地方硬編碼：

export NOVITA_API_KEY="your_key_here"

步驟 2：安裝 Claude Code

如果已安裝 Claude Code，請跳至步驟 3。

macOS、Linux 或 WSL：

curl -fsSL https://claude.ai/install.sh | bash

Windows PowerShell：

irm https://claude.ai/install.ps1 | iex

Windows CMD：

curl -fsSL https://claude.ai/install.cmd -o install.cmd && install.cmd && del install.cmd

Windows 使用者需先安裝 Git for Windows。

驗證安裝：

claude --version

步驟 3：設定環境變數

Claude Code 會讀取四個變數來將請求路由到自訂模型端點。請在啟動 Claude Code 前設定好這四個變數。

macOS 和 Linux：

export ANTHROPIC_BASE_URL="https://api.novita.ai/anthropic"
export ANTHROPIC_AUTH_TOKEN="<your Novita API key>"
export ANTHROPIC_MODEL="minimax/minimax-m2.7"
export ANTHROPIC_SMALL_FAST_MODEL="minimax/minimax-m2.7"

Windows PowerShell：

$env:ANTHROPIC_BASE_URL = "https://api.novita.ai/anthropic"
$env:ANTHROPIC_AUTH_TOKEN = "<your Novita API key>"
$env:ANTHROPIC_MODEL = "minimax/minimax-m2.7"
$env:ANTHROPIC_SMALL_FAST_MODEL = "minimax/minimax-m2.7"

ANTHROPIC_SMALL_FAST_MODEL 控制輕量級操作，如檔案瀏覽和快速搜尋。將其設為相同模型可讓所有請求走同一計費路徑和定價。

要使設定持久化，請將 export 行加入你的 shell 設定檔（~/.bashrc、~/.zshrc 或 PowerShell profile）。或者保留專案層級的 .env 檔案，並在每次會話前載入 — 只是不要將其提交進版本控制。

步驟 4：啟動 Claude Code 並驗證

切換到你的專案目錄並啟動 Claude Code：

cd your-project-directory
claude .

在提示符號中進行快速測試：

> What files are in this directory?

如果模型透過呼叫適當工具回應了檔案列表，則表示整合成功。你可以在 Novita AI 用量儀表板 中確認正在使用的模型並查看每次請求的 Token 成本。

如果看到驗證錯誤，請再次確認 ANTHROPIC_AUTH_TOKEN 是在當前 shell 會話中設定的 — 而不僅僅是在另一個終端機視窗中。

步驟 5：針對代理工作流程最佳化

M2.7 的 97% 工具遵循率和 204,800 Token 上下文，使其非常適合長時間的代理會話。以下是一些能充分發揮這些能力的做法：

先讓模型讀取完整的程式碼庫上下文。 在要求變更之前，先讓 Claude Code 讀取相關檔案。M2.7 的大上下文視窗讓你可以同時載入多個模組而不會過早達到限制。

> Read all files in src/api/ and identify any functions that handle authentication

對複雜工作使用明確的任務分解。 將大型請求拆解為順序步驟，可減少部分輸出或會話中途混亂的機率：

> First, analyze the current database schema. Then propose the migration needed to add soft deletes. Don't write any code yet.

利用工具鏈進行除錯。 M2.7 在生產除錯方面的強項，在多步驟序列（重現 → 追蹤 → 修復 → 驗證）中最為明顯。

> Run the test suite, identify failing tests, find the root cause in the source code, and propose a fix

保持會話專注。 M2.7 擅長多輪一致性，但目標明確的較窄會話，比反覆改變方向的開放式探索會話能產生更可靠的輸出。

成本分析

在每百萬 Token $0.3/$1.2（輸入/輸出）的價格下，M2.7 比大多數尖端方案便宜許多，同時在代理任務基準測試上仍具競爭力。

使用 M2.7 透過 Novita AI 的典型 Claude Code 工作流程成本：

工作流程 預估成本
小型重構（5 個檔案，約 200 行變更） $0.02–$0.05
功能實作（20 個檔案，約 1000 行） $0.10–$0.20
完整程式碼庫分析（100+ 個檔案） $0.25–$0.60
以每秒 100 Token 持續編碼一小時 ~$0.27

用於 Claude Code 的模型成本比較：

模型 每百萬 Token 輸入價格 每百萬 Token 輸出價格 與 M2.7 輸入比較
MiniMax M2.7（Novita AI） $0.30 $1.20 —
MiniMax M2.5（Novita AI） $0.30 $1.20 相同
GLM-5（Novita AI） $1.00 $3.20 3.3 倍
Claude Opus 4.6 ~$7.00 ~$21.00 23 倍

資料來源：Novita AI 模型頁面，檢查日期 2026-07-03。在為生產工作負載編列預算前，請確認當前定價。

提示快取可進一步降低重複上下文的成本。以快取讀取每百萬 Token $0.06 的價格，具有穩定系統提示或大量共享上下文的工作負載將顯著受益。

真實使用案例

多檔案重構。 M2.7 在 Multi-SWE-Bench 上的 52.7% 表現顯示它能處理複雜的跨檔案變更。Claude Code 提供互動式批准層 — 在提交前審查每個建議的變更。

生產 SRE 和事件回應。 該模型在生產除錯場景（關聯指標、查詢資料庫、追溯根本原因、應用非阻塞修復）上進行了訓練。Claude Code 的終端機整合讓它能在同一個會話中執行診斷並驗證修復。

代理框架開發。 如果你正在建立協調其他工具或模型的系統，M2.7 的原生 Agent Teams 支援和角色一致性使其成為協調層的絕佳選擇。此處 97% 的工具遵循率比原始基準分數更為重要。

多語言程式碼庫。 M2.7 在多種程式語言上表現強勁，處理多語言專案時不會出現某些主要針對 Python/JavaScript 訓練的模型常見的品質下降。

對成本敏感、正在擴展代理工作流程的團隊。 在每百萬 Token $0.30 的輸入價格下，多位開發人員持續運行 Claude Code 會話的團隊可以將成本控制在可管理範圍，而不必大幅降低模型品質。

疑難排解

驗證錯誤（401）

檢查 ANTHROPIC_AUTH_TOKEN 是否在當前 shell 會話中設定。必須在執行 claude . 之前匯出變數。若懷疑金鑰損毀，重新產生金鑰並重新匯出是最快的修復方式。

找不到模型

確認模型 ID 完全為 minimax/minimax-m2.7 — 沒有空格，大小寫無誤。MiniMax M2.7 等顯示名稱不能作為模型 ID 使用。

請求到達 Anthropic 而非 Novita

確認 ANTHROPIC_BASE_URL 已設定為 https://api.novita.ai/anthropic。若變數遺失或空白，Claude Code 會回退到 Anthropic 端點，且若無有效的 Anthropic 金鑰則會拒絕請求。

首次請求回應緩慢

會話中的第一個請求可能因冷啟動行為而多花幾秒鐘。同一會話中的後續請求通常會更快。若多個請求持續緩慢，請嘗試在測試呼叫中減少 max_tokens，以判斷是生成時間還是網路延遲的問題。

上下文視窗錯誤

M2.7 支援 204,800 Token。如果你載入非常大的程式碼庫，Claude Code 的上下文管理會自動處理壓縮。若要手動控制，請限制你在單次回合中要求 Claude Code 讀取的檔案數量。

成本高於預期

檢查 ANTHROPIC_SMALL_FAST_MODEL。如果它指向另一個更昂貴的模型，那麼目錄導航等輕量級操作的成本就會高於預期。將兩個變數都設為 minimax/minimax-m2.7 可使所有流量統一價格。

常見問題

MiniMax M2.7 在 Novita AI 上是否提供 Anthropic 相容端點？

是的。該模型提供 minimax/minimax-m2.7 的 OpenAI 相容和 Anthropic 相容端點。Claude Code 使用 https://api.novita.ai/anthropic 的 Anthropic 路徑。

對於 Claude Code 工作流程，M2.7 和 M2.5 有何差別？

M2.7 在所有基準測試上都是更強的模型：SWE-Bench Pro 從 52.2% 提升至 56.2%，Multi-SWE-Bench 從 51.3% 提升至 52.7%，MLE-Bench lite 從 31.5% 提升至 66.6%。定價相同（每百萬 Token $0.3/$1.2），因此對於新設定沒有理由為了成本而使用 M2.5 而不是 M2.7。

M2.7 在 Claude Code 中是否支援視覺或圖片輸入？

不支援。MiniMax M2.7 僅支援文字。如果你的工作流程涉及螢幕截圖、UI 分析或圖片上下文，則需要多模態模型。對於基於文字的編碼工作流程，此限制不適用。

我可以在 Claude Code 中將 M2.7 與 MCP 工具一起使用嗎？

可以。Claude Code 的 MCP（Model Context Protocol）支援作用在工具層而非模型層。M2.7 的高工具遵循率使其成為 MCP 密集型設定的良好候選。

函數呼叫對 Claude Code 的內建工具是否可靠？

是的。M2.7 特別針對高工具呼叫準確率進行了訓練 — 在生產條件下，40 多個並行工具可達 97% 的遵循率。Claude Code 的內建工具（Read、Write、Edit、Bash、Glob、Grep）完全在此範圍內。

此設定是否適用於 Claude Code VS Code 擴充套件？

環境變數適用於 CLI 執行環境。如果你使用 VS Code 擴充套件，請在 shell 設定檔或 VS Code 的整合終端機設定中設定變數，以便擴充套件啟動 Claude Code 會話時可用。

推薦文章

MiniMax M2.7 在 Novita AI 上：頂級智慧、預算友好的價格 完整發布報導：M2.7 的自我演化架構、基準測試結果、代理能力以及在 Novita AI 上相較於 GLM-5 和 Kimi K2.5 的定價比較。

在 Claude Code 中使用 MiniMax M2.5：代理編碼指南 M2.5 的相同整合模式 — 如果你正在比較 M2.5 和 M2.7 適合你的工作流程，或正在將現有的 M2.5 設定遷移到 M2.7，這篇文章很有用。

如何在 Claude Code 中使用 GLM-5：設定指南 在 Claude Code 中透過 Novita AI 使用 GLM-5 的設定指南 — 該模型在 Intelligence Index 上與 M2.7 最接近，但價格和上下文大小不同。

Novita AI 是一個 AI 和代理雲端平台，幫助開發者和新創公司以高效能、可靠性和成本效益建置、部署和擴展模型及代理應用程式。

相關文章