13.04.2026 13:08
MiniMax открыла флагманскую самоэволюционирующую модель M2.
MiniMax открыла флагманскую самоэволюционирующую модель M2.7
🤖 MiniMax выложила в открытый доступ M2.7 — флагманскую самоэволюционирующую модель на 229 млрд параметров. Всего через 3 недели после мартовского релиза компания открыла веса модели, что привело к созданию сообществом 32 квантованных сборок и 6 файнтюнов за несколько дней.
🧠 Технология самоэволюции: M2.7 — первая модель MiniMax, которая участвовала в собственной разработке. Внутренняя версия более 100 раз автономно правила каркас, анализировала неудачные трассы, прогоняла эксперименты и решала, оставлять изменения или откатывать. Итог — рост производительности на 30% и триумф на бенчмарках.
⚡️ Технические характеристики:
- SWE-Pro: 56,22% (паритет с GPT-5.3-Codex)
- SWE Multilingual: 76,5%
- Multi SWE Bench: 52,7%
- VIBE-Pro: 55,6% (почти вровень с Opus 4.6)
- Terminal Bench 2: 57,0%
- NL2Repo: 39,8%
- GDPval-AA: ELO 1495 (лучший среди open-source, выше GPT-5.3)
- Toolathon: 46,3%
- MM Claw: 62,7% (рядом с Sonnet 4.6) при 97% соблюдения инструкций
🔄 Особенности: Модель уступала по тестам только Opus 4.6 и GPT-5.4. Заявлена нативная поддержка Agent Teams — конфигурация, где несколько агентов работают с устойчивой ролевой идентичностью и автономным принятием решений.
💻 Деплой: Для локального развертывания MiniMax советует SGLang, vLLM или Transformers. Модель также доступна через NVIDIA NIM. Параллельно команда открыла исходники OpenRoom — интерактивного Web GUI с визуальной обратной связью и ролевым взаимодействием.
🧠 Нейросети и Технологии. Подписаться
🤖 MiniMax выложила в открытый доступ M2.7 — флагманскую самоэволюционирующую модель на 229 млрд параметров. Всего через 3 недели после мартовского релиза компания открыла веса модели, что привело к созданию сообществом 32 квантованных сборок и 6 файнтюнов за несколько дней.
🧠 Технология самоэволюции: M2.7 — первая модель MiniMax, которая участвовала в собственной разработке. Внутренняя версия более 100 раз автономно правила каркас, анализировала неудачные трассы, прогоняла эксперименты и решала, оставлять изменения или откатывать. Итог — рост производительности на 30% и триумф на бенчмарках.
⚡️ Технические характеристики:
- SWE-Pro: 56,22% (паритет с GPT-5.3-Codex)
- SWE Multilingual: 76,5%
- Multi SWE Bench: 52,7%
- VIBE-Pro: 55,6% (почти вровень с Opus 4.6)
- Terminal Bench 2: 57,0%
- NL2Repo: 39,8%
- GDPval-AA: ELO 1495 (лучший среди open-source, выше GPT-5.3)
- Toolathon: 46,3%
- MM Claw: 62,7% (рядом с Sonnet 4.6) при 97% соблюдения инструкций
🔄 Особенности: Модель уступала по тестам только Opus 4.6 и GPT-5.4. Заявлена нативная поддержка Agent Teams — конфигурация, где несколько агентов работают с устойчивой ролевой идентичностью и автономным принятием решений.
💻 Деплой: Для локального развертывания MiniMax советует SGLang, vLLM или Transformers. Модель также доступна через NVIDIA NIM. Параллельно команда открыла исходники OpenRoom — интерактивного Web GUI с визуальной обратной связью и ролевым взаимодействием.
🧠 Нейросети и Технологии. Подписаться