MiniMax-M2.7

2026-03-18 · Éditeur : MiniMax · Domaine : Intelligence Artificielle

MiniMax présente M2.7, décrit comme son premier modèle participant à sa propre évolution, avec 56,22 % sur SWE-Pro, 57,0 % sur Terminal Bench 2 et des poids publiés sous licence non commerciale.

MiniMax présente M2.7, décrit comme son premier modèle participant à sa propre évolution, avec 56,22 % sur SWE-Pro, 57,0 % sur Terminal Bench 2 et des poids publiés sous licence non commerciale. ### Contexte Après M2.5 (février 2026), les références fermées étaient Claude Opus 4.6, GPT-5.4 (cités par l'éditeur) et Gemini 3.1. MiniMax met cette fois en avant un processus d'entraînement où le modèle participe à la recherche : mise à jour de sa mémoire, création de compétences pour les expériences d'apprentissage par renforcement et amélioration de son propre cadre d'agent. ### Ce que le modèle apporte - Auto-évolution : une version interne a optimisé seule un cadre d'agent en plus de 100 tours (analyse d'échecs, modification du code, évaluation, conservation ou retour arrière), avec un gain de 30 % sur un jeu d'évaluation interne. L'éditeur indique que M2.7 prend en charge 30 à 50 % du flux de travail de son équipe d'apprentissage par renforcement. - Génie logiciel : 56,22 % sur SWE-Pro (au niveau de GPT-5.3-Codex selon l'éditeur), 76,5 sur SWE Multilingual, 52,7 sur Multi SWE Bench, 55,6 % sur VIBE-Pro et 57,0 % sur Terminal Bench 2. - Travail de bureau : un score ELO de 1 495 sur GDPval-AA, le plus élevé des modèles ouverts selon l'éditeur, et 97 % de respect des compétences sur plus de 40 compétences complexes. - Équipes d'agents natives et recherche dynamique d'outils. - Apprentissage automatique : 66,6 % de médailles en moyenne sur 22 compétitions MLE Bench Lite. ### Architecture et caractéristiques - Paramètres : environ 229 milliards au total (safetensors), 10 milliards actifs comme la série M2 (non détaillé dans le billet) ; 256 experts dont 8 actifs, 62 couches. - Contexte : 204 800 positions (config.json). Modalités : texte. - Données d'entraînement et date de coupure : non communiquées. - Licence : « Non-Commercial License », d'après le fichier LICENSE. Usage libre pour un usage personnel (y compris auto-hébergé), pour les organisations à but non lucratif et pour la recherche ; tout usage commercial (offre payante, usage commercial d'une API, déploiement d'un modèle affiné à des fins commerciales) exige une autorisation écrite préalable de MiniMax (api@minimax.io) et la mention « Built with MiniMax M2.7 ». Ce n'est donc plus une licence de type MIT. - Poids : https://huggingface.co/MiniMaxAI/MiniMax-M2.7, avec vLLM, SGLang, Transformers et NVIDIA NIM. ### Coût et accès | Élément | Valeur | |---|---| | API officielle, entrée | 0,30 $ par million de tokens | | API officielle, sortie | 1,20 $ par million de tokens | | Cache lecture / écriture | 0,06 $ / 0,375 $ par million de tokens | | Auto-hébergement | matériel non communiqué dans les sources consultées | Tarifs de la page tarifs actuelle ; les variantes highspeed facturent le double. ### Benchmarks Le billet ne comporte pas de tableau comparatif chiffré lisible sur tous les modèles. Chiffres textuels publiés par l'éditeur (billet et model card) : | Test | MiniMax-M2.7 | Référence fermée citée | |---|---|---| | SWE-Pro | 56,22 % | GPT-5.3-Codex (égalité annoncée, score non donné) | | MLE Bench Lite (taux de médailles moyen) | 66,6 % | Opus 4.6 : 75,7 % ; GPT-5.4 : 71,2 % ; Gemini 3.1 : 66,6 % | | VIBE-Pro | 55,6 % | proche d'Opus 4.6 (score non donné) | | MM Claw de bout en bout | 62,7 % | proche de Sonnet 4.6 (score non donné) | Source : billet officiel du 18 mars 2026 et model card, mesures de l'éditeur. ### Face aux modèles fermés Sur MLE Bench Lite, M2.7 obtient 66,6 %, à égalité avec Gemini 3.1 et derrière GPT-5.4 (71,2 %) et Opus 4.6 (75,7 %), ce qui le place au troisième rang selon l'éditeur. Sur SWE-Pro, l'éditeur annonce l'égalité avec GPT-5.3-Codex sans publier le score de ce dernier, et le décrit comme proche du meilleur niveau d'Opus. Sur GDPval-AA, l'éditeur annonce un ELO de 1 495, supérieur à celui de GPT-5.3 et le plus élevé des modèles ouverts. Le prix de l'API reste à 0,30 $ et 1,20 $. Le changement de licence est la conséquence la plus nette pour le choix ouvert ou fermé : le téléchargement des poids reste possible, mais l'usage commercial, y compris par API interne à une offre payante, nécessite un accord préalable de MiniMax. ### À retenir M2.7 marque un tournant technique (auto-amélioration du cadre d'agent) et juridique (licence non commerciale). Pour une entreprise, il faut compter sur une autorisation de l'éditeur, ce qui rapproche son statut de celui d'un modèle à poids disponibles plutôt que d'un modèle ouvert au sens habituel.

Tags : LLM, Open Source, MiniMax, MoE, Agents, Licence non commerciale, Poids ouverts