MiniMax M2.7 — самоэволюционирующая модель с упором на coding, Office-задачи и агентные сценарии

Китайская компания MiniMax 18 марта выпустила модель M2.7, которая участвовала в собственном обучении. Это не просто очередная LLM, а система, которая может автономно улучшать себя и свои процессы.

Отладка проблемы на уже работающем сервисе:

M2.7 сгенерировала демо-страницу:

аналитическая работа уровня инвест-аналитика, финансового ресерча:

Самоэволюция: M2.7 может анализировать свои ошибки, изменять код своего окружения (harness), запускать тесты и решать, какие изменения оставить. В одном из тестов модель за 100 итераций улучшила свою производительность на 30%.

Сильный кодинг: На бенчмарке SWE-Pro (реальные задачи из разработки) модель показала 56.22%, что почти на уровне Claude Opus и совпадает с GPT-5.3-Codex. На VIBE-Pro у нее 55.6%, почти на уровне Opus 4.6. 

Офисные задачи. MiniMax отдельно подчеркивает, что M2.7 заметно прокачали под Excel, PPT и Word - особенно для многошаговых правок, сложного редактирования и работы по шаблонам.

Архитектура: 230B параметров, но только 10B активны на токен (MoE), что дает скорость маленькой модели при мощности большой.

Агентность: Способна работать с 40+ сложными скиллами, удерживая 97% точности следования инструкциям. В MM Claw у нее 62.7%, что Ollama описывает как результат, близкий к Sonnet 4.6

Для разработчиков и исследователей - это мощный инструмент для автоматизации RL-экспериментов (модель берет на себя 30-50% работы).

Для бизнеса - модель под автоматизацию рутины, где нужны не только ответы в чате, а работа с документами, таблицами, презентациями и многошаговыми задачами - в видео работа с Excel.

API

Локально: ollama run minimax-m2.7:cloud

У MiniMax M2.7 сейчас есть две основные схемы оплаты: Pay-As-You-Go и Token Plan. Для M2.7 в документации по coding tools MiniMax прямо