Model Releases
MiniMax M2.7 : Le Modèle Auto-Évoluant qui Révolutionne le Coding Open Source
MiniMax M2.7 redéfinit l'IA open source avec une architecture MoE unique, 230B paramètres et des capacités d'auto-évolution sans précédent sur les benchmarks de codage.
18 mars 2026
Model ReleaseMiniMax M2.7
Introduction : Une Nouvelle Ère pour les Agents de Codage
MiniMax M2.7, publié officiellement le 18 mars 2026, marque un tournant décisif dans l'écosystème de l'intelligence artificielle générative. Ce n'est pas seulement un modèle de codage amélioré, mais le premier agent IA capable de participer activement à son propre cycle de développement. Cette capacité d'auto-évolution autonome signifie que le modèle ne se contente pas d'être entraîné par des humains, mais qu'il identifie et corrige ses propres lacunes via des boucles de rétroaction itératives.
Pour les développeurs et les ingénieurs logiciels, cette annonce est capitale. Dans un marché saturé de modèles fermés, MiniMax offre une alternative open source qui rivalise avec les géants propriétaires. Avec des scores sur SWE-Pro qui égalent GPT-5.3-Codex, M2.7 démontre que l'open source peut désormais atteindre le sommet de la performance technique tout en restant accessible à la communauté via des poids ouverts sur HuggingFace.
- Premier modèle à participer à son propre développement.
- Scores SWE-Pro de 56.22% égalant les leaders propriétaires.
- Poids ouverts disponibles immédiatement sur HuggingFace.
Architecture et Caractéristiques Techniques
L'architecture sous-jacente de MiniMax M2.7 repose sur une structure MoE (Mixture of Experts) massive. Avec 230 milliards de paramètres totaux, mais seulement 10 milliards actifs par token, le modèle optimise considérablement l'utilisation des ressources computationnelles. Cette efficacité permet d'atteindre des performances de pointe sans sacrifier la vitesse d'inférence, un point crucial pour les applications en temps réel.
Outre la gestion des experts, M2.7 intègre des capacités de collaboration multi-agents natives appelées 'Agent Teams'. Cette fonctionnalité permet à plusieurs instances du modèle de collaborer sur des tâches complexes, simulant une équipe de développement humaine. Le contexte de fenêtre s'étend à 200 000 tokens, offrant une fenêtre de compréhension suffisante pour gérer des bases de code entières ou des documents techniques volumineux.
- 230B paramètres MoE (10B actifs).
- Fenêtre de contexte : 200 000 tokens.
- Support natif des équipes d'agents (Agent Teams).
- Architecture optimisée pour l'inférence rapide.
Performance et Benchmarks
Les résultats des tests indépendants confirment la puissance de MiniMax M2.7 sur les tâches de développement logiciel. Sur le benchmark SWE-Pro, le modèle atteint un score impressionnant de 56.22%, un chiffre qui place MiniMax au même niveau que GPT-5.3-Codex. Cette performance est particulièrement notable étant donné que M2.7 est un modèle open source, ce qui démontre une efficacité d'apprentissage exceptionnelle.