MiniMaxはAIモデル「M2.7」をオープンソース化しました。HuggingFaceから重みをダウンロードし、NVIDIAはハードウェア負荷なしで試せるよう無料APIを提供しています。[MiniMax]

同社はM2.7にプログラミングスケルトンを与え、無監督で100ラウンド以上実行させました。モデルは自身の失敗を分析し、コードを変更して評価を実行します。どの変更を残すか判断も自律的に行いました。

その結果、人間の指示なしで性能が30%向上しました。MiniMaxはこれをベンチマーク結果ではなく、AIモデル構築の新しい思考方法だと位置づけています。[MiniMax]

具体的には、MLE Bench Liteで22の機械学習競技問題にアクセスさせ、3回の24時間トライアルを実施しました。モデルは各ラウンドでメモリファイルを生成し、自己批判を次のラウンドに反映させます。

最良のランでは9金、5銀、1銅を獲得しました。3回の平均メダル率は66.6%です。これはOpus 4.6の75.7%とGPT-5.4の71.2%に次ぐ3位です。[MiniMax]

開発者にとって重要なのはSWE-Proでのスコアです。M2.7は56.22%を記録し、GPT-5.3-Codexと同等です。SWE Multilingualでは76.5、Multi SWE Benchでは52.7を記録しています。

さらに、VIBE-Proで55.6%とOpus 4.6に近いスコアを出しました。完全なプロジェクト要件を与えれば、利用可能な成果物が返ってくるとしています。

GDPval-AAではELO1495を獲得しました。オープンソースモデルの中で最高値です。GPT-5.3を上回り、Opus 4.6やSonnet 4.6に次ぐ水準です。[MiniMax]

実務面では、Word・Excel・PPTの複数回の高忠実度編集に対応します。TSMCの財務分析タスクでは、年次報告書の読解から予測モデル構築、最終レポート作成まで行い、社内財務担当者が第一稿として利用可能だと評価しました。

出典: MiniMax M2.7 Is Now Open Source（HN 84pt・36コメント）（HN Search (backfill)、2026-04-12）