MiniMax uvolňuje M2.7, samořešitelný agentní model

Čínská společnost pro umělou inteligenci MiniMax uvolnila váhy pro MiniMax M2.7, 229milionový parametr model Mixture-of-Experts, který se účastnil svého vlastního vývojového cyklu – což podle společnosti představuje první krok směrem k autonomnímu samořešení umělé inteligence.

Originally ohlášeno 18. března, MiniMax M2.7 je nyní volně dostupný na Hugging Face s podporou nasazení pro SGLang, vLLM, Transformers a NVIDIA NIM. Model dosahuje 56,22 % na SWE-Pro a 57,0 % na Terminal Bench 2, což jej řadí mezi nejsilnější open-source LLMs pro reálné úkoly softwarového inženýrství.

Jak model pomohl postavit sám sebe

Nejpozoruhodnějším tvrzením o M2.7 je jeho role ve svém vlastním vývoji. MiniMax pověřil interní verzi modelu optimalizací programovací konstrukce, která běžela autonomně po více než 100 kol. Během tohoto procesu M2.7 analyzoval trajektorie selhání, modifikoval kód konstrukce, spouštěl hodnocení a rozhodoval, zda zachovat nebo vrátit každou změnu.

Model objevil optimalizace sám: systematicky hledal optimální parametry vzorkování, jako je teplota a frekvenční penalizace, navrhoval směrnice pro workflow, jako je automatická kontrola identických vzorců chyb v souborech po opravě, a přidával detekci smyček do smyčky agenta. MiniMax uvádí 30% zlepšení výkonu na interních hodnoceních z tohoto autonomního procesu.

V rámci týmu pro učení s posilováním MiniMaxu nyní M2.7 zpracovává 30 % až 50 % denních workflow koncových uživatelů. Výzkumní pracovníci interagují pouze pro kritická rozhodnutí, zatímco model spravuje přehled literatury, sledování experimentů, datové potrubí, ladění a požadavky na sloučení.

MiniMax také testoval M2.7 na MLE Bench Lite, sadě 22 soutěží strojového učení od OpenAI, které běží na jediném GPU A30. Během tří 24hodinových testů dosáhl model v nejlepším běhu 9 zlatých medailí, 5 stříbrných medailí a 1 bronzové medaile. Průměrná medailová míra 66,6 % se vyrovnala s Gemini 3.1 a zaostala pouze za Opus 4.6 (75,7 %) a GPT-5.4 (71,2 %).

Výkon benchmarků napříč inženýrstvím a kancelářskou prací

Na benchmarcích softwarového inženýrství M2.7 odpovídá nebo se blíží uzavřeným modelům. Jeho 56,22 % na SWE-Pro – benchmarcích, které pokrývají analýzu protokolů, odstraňování chyb, kontrolu zabezpečení kódu a ladění workflow ML napříč několika programovacími jazyky – odpovídá GPT-5.3-Codex. Na VIBE-Pro, benchmarcích generování kódu na úrovni repozitáře, dosáhl 55,6 %, a na SWE Multilingual dosáhl 76,5 a na Multi SWE Bench 52,7.

Mimo generátory kódu AI MiniMax umístil M2.7 pro profesionální kancelářské úkoly. Na GDPval-AA, který hodnotí odborné znalosti napříč 45 modely, M2.7 dosáhl ELO skóre 1495 – nejvyššího mezi open-source modely, zaostávajícího pouze za Opus 4.6, Sonnet 4.6 a GPT-5.4. Na Toolathon dosáhl 46,3 % přesnosti a udržel 97% míru souladu dovedností napříč 40 složitými dovednostmi (každá přesahující 2 000 tokenů) v hodnocení MiniMaxu MM Claw.

Model podporuje nativní spolupráci více agentů prostřednictvím toho, co MiniMax nazývá Agent Teams, kde více instancí modelu udržuje odlišné role identity a pracuje společně na úkolech. Tato schopnost cílí na agenty AI pro automatizaci podnikání scénáře, kde jsou vyžadovány stabilní hranice rolí a adversativní uvažování mezi agenty.

MiniMax postavil M2.7 na architektuře Mixture-of-Experts, což znamená, že pouze podmnožina jeho 229 miliard parametrů se aktivuje během jediného inferenčního průchodu. To činí model levnějším a rychlejším pro nasazení než hustý model srovnatelné kvality výstupu – důležitou consideraci pro vývojáře, kteří chtějí spouštět modely lokálně nebo na omezené infrastruktuře.

MiniMax také uvolnil OpenRoom, interaktivní demo postavené převážně umělou inteligencí, které umístí interakce agentů do webového GUI s reálnou vizuální zpětnou vazbou, signalizující jeho zájem o rozšíření velkých jazykových modelů za hranice produktivity do interaktivní zábavy.

Vydání přidává další konkurenční možnost do krajiny open-source dovedností agentů, kde modely od Meta, Alibaba a DeepSeek tlačí hranice toho, co je volně dostupné. Úhel samořešení – kde model smysluplně přispívá ke zlepšení svého vlastního nástupce – zůstává v rané fázi, ale M2.7 nabízí první konkrétní údaje o tom, jak to vypadá v praxi: 30% vnitřní zlepšení benchmarku z 100+ autonomních optimalizačních kol, bez zásahu člověka v smyčce.