Команда MiniMax представила M2.7 — первую модель серии, которая участвовала в собственной доработке через RL-петли и агентные сценарии. Результаты: 56.22% на SWE-Pro, 1495 ELO на GDPval-AA, 97% adherence при работе с 40+ сложными навыками.

Введение: от обратной связи к самоэволюции

Модель M2.7 не просто очередная итерация с улучшенными метриками. Это первый эксперимент, в котором модель строила сложные агентные оркестрации, управляла динамическим поиском инструментов, обновляла собственную память и параметры RL-обучения, оптимизировала архитектуру харнесса на основе результатов.

Архитектура самоэволюции: как модель учится улучшать себя

Внутренний workflow MiniMax построен вокруг исследовательского агента, который взаимодействует с разными проектными группами. Система покрывает пайплайны данных, тренировочные окружения, инфраструктуру оценки, кросс-командную коллаборацию, персистентную память.

Программная инженерия: от генерации кода к пониманию продакшена

M2.7 демонстрирует системное мышление: алерт в продакшене, корреляция метрик мониторинга, статанализ трейсов, авто-подключение к БД для верификации, поиск отсутствующего миграционного файла индекса, предложение non-blocking CREATE INDEX для быстрого фикса, формирование MR с объяснением и тестами.

Профессиональные сценарии: офис, финансы, аналитика

На GDPval-AA (45 моделей) M2.7 набрала 1495 ELO — лучший результат среди открытых моделей. Модель также демонстрирует способность к финансовому анализу компании, проектированию assumptions, построению модели прогнозирования выручки, генерации PPT-презентации и Word-отчёта по шаблонам.

Развлечения и интерактив: от продуктивности к персонажам

M2.7 усиливает аспекты эмоционального интеллекта: стабильное удержание роли в длительных диалогах, адаптация стиля под контекст, проактивное взаимодействие с окружением. Команда представила OpenRoom — интерактивную среду, где персонажи «живут» в веб-интерфейсе, а не в текстовом потоке.

Доступность и интеграция

M2.7 уже доступна: MiniMax Agent, API Platform, Coding Plan.

Заключение: что это значит для разработчиков

Самоэволюция — не хайп, а рабочий инструмент. Инженерное мышление > генерация кода. Мульти-агентность становится нативной. Персонажи и интерактив — следующий фронтир.

TL;DR:MiniMax представила M2.7 — первую модель серии, которая участвовала в собственной доработке через RL-петли и агентные сценарии. Результаты: 56.22% на SWE-Pro, 1495 ELO на GDPval-AA, 97% adherence при работе с 40+ сложными навыками. Модель уже используется для автономной отладки продакшена и генерации full-stack проектов.

Введение: от обратной связи к самоэволюции

После релиза первых моделей серии M2 команда MiniMax получила огромный объём фидбека от разработчиков и исследователей. Вместо традиционного цикла «собрали данные → дообучили → выкатили апдейт» инженеры пошли дальше: они позволили моделиучаствовать в собственной эволюции.

M2.7 — это не просто очередная итерация с улучшенными метриками. Это первый эксперимент, в котором модель:

• строила сложные агентные оркестрации (Agent Teams);
• управляла динамическим поиском инструментов;
• обновляла собственную память и параметры RL-обучения;
• оптимизировала архитектуру харнесса на основе результатов.

Проще говоря: часть работы по улучшению M2.7 выполнила… сама M2.7.

Архитектура самоэволюции: как модель учится улучшать себя

Исследовательский агент как «ко-пилот» для ML-инженера

Внутренний workflow MiniMax построен вокруг исследовательского агента, который взаимодействует с разными проектными группами. Система покрывает:

• пайплайны данных;
• тренировочные окружения;
• инфраструктуру оценки;
• кросс-командную коллаборацию;
• персистентную память.

Пример RL-сценария:

1. Исследователь формулирует гипотезу эксперимента.
2. Агент проводит literature review, отслеживает спецификации, подготавливает данные.
3. Запускает эксперимент, мониторит метрики в реальном времени.
4. При аномалиях — автоматически читает логи, предлагает фиксы, создаёт MR, запускает smoke-тесты.
5. Человек подключается только для критических решений.

По оценкам команды, M2.7 берёт на себя30–50% рутинных операцийв этом цикле, ускоряя итерации и снижая time-to-discovery.

Рекурсивная оптимизация харнесса

Ключевое наблюдение: способность моделирекурсивно улучшать собственный инструментарийне менее важна, чем качество генерации кода.

Внутренний харнесс M2.7:

• автономно собирает фидбек;
• формирует оценочные сеты для внутренних задач;
• итеративно дорабатывает архитектуру, реализацию навыков (MCP) и механизмы памяти.

Кейс:оптимизация программирования на внутреннем скаффолде.

• Модель запустила цикл «анализ фейлов → план изменений → правка кода → оценка → сравнение → решение» более 100 раз.
• Нашла оптимальные комбинации гиперпараметров (temperature, frequency/presence penalty).
• Внедрила авто-поиск паттернов багов в других файлах после фикса.
• Добавила детекцию зацикливаний в агентный луп.

Результат:+30% к производительности на внутренних бенчмарках.

Эксперимент в low-resource сценариях: M2.7 на MLE Bench Lite

Для проверки гипотезы о п��лной автономности провели тест на 22 соревнованиях по машинному обучению (MLE Bench Lite от OpenAI), выполняемых на одном GPU A30.

Архитектура агента:

• краткосрочная память (markdown-логи итераций);
• самокритика после каждого раунда;
• цепочка самооптимизации на основе накопленного опыта.

Результаты после 24 часов эволюции (3 запуска):

Лучшие награды

Средняя доля наград

Сравнение с лидерами

≈ Gemini-3.1 (66.6%), чуть ниже GPT-5.4 (71.2%) и Opus-4.6 (75.7%)

Это показывает, что даже в ограниченных ресурсах модель способна к содержательной самооптимизации.

Программная инженерия: от генерации кода к пониманию продакшена

Отладка в реальном времени: кейс production debugging

M2.7 демонстрирует не просто генерацию кода, асистемное мышление:Алерт в продакшене↓Корреляция метрик мониторинга + таймлайнов деплоя↓Статанализ трейсов → гипотезы о root cause↓Авто-подключение к БД для верификации↓Поиск отсутствующего миграционного файла индекса↓Предложение non-blocking CREATE INDEX для быстрого фикса↓Формирование MR с объяснением и тестами

Практический эффект:время восстановления инцидентов сокращается доменее 3 минутпротив часов ручной отладки.

Бенчмарки: цифры, которые имеют значение

Результат M2.7

Комментарий

На уровне GPT-5.3-Codex, близко к Opus

SWE Multilingual

Лидерство в мультиязычных сценариях

Multi SWE Bench

Устойчивость к реальным инженерным задачам

VIBE-Pro(repo-level)

Полноценная доставка проектов «под ключ»

Terminal Bench 2

Глубокое понимание системной архитектуры

Работа с legacy-кодом и документацией

Agent Teams: мульти-агентная коллаборация как нативная фича

Важный сдвиг: M2.7 реализуетAgent Teamsне через промпты, а как внутреннюю способность:

• чёткое разграничение ролей;
• адверсариальная проверка логики;
• соблюдение протоколов взаимодействия;
• автономные решения в сложных state-машинах.

Это открывает путь к созданию виртуальных «мини-команд» для прототипирования продуктов — от идеи до MVP.

Профессиональные сценарии: офис, финансы, аналитика

Два столпа эффективности в office-задачах

1. Экспертиза + доставка результатаНа GDPval-AA (45 моделей) M2.7 набрала1495 ELO— лучший результат среди открытых моделей, уступая только закрытым лидерам (Opus 4.6, Sonnet 4.6, GPT-5.4).
2. Работа в сложных окруженияхToolathon: 46.3% accuracy (топ-уровень глобально).MM Claw: 97% adherence при 40+ навыках >2000 токенов каждый.

Кейс: финансовый анализ компании (на примере TSMC)

Задача:На основе годового отчёта, транскриптов earnings call и внешних исследований:

• спроектировать assumptions;
• построить модель прогнозирования выручки;
• сгенерировать PPT-презентацию и Word-отчёт по шаблонам.

Результат:M2.7 действует как junior-аналитик: читает источники, кросс-валидирует данные, строит модель, оформляет deliverables. По фидбеку практиков — вывод пригоден как черновик для дальнейшей работы.

📎 Примеры артефактов:[TSMC_Financial_Analysis.pptx][V1-TSMC_Equity_Research_Report.docx]

Развлечения и интерактив: от продуктивности к персонажам

Почему эмоциональный интеллект важен даже в agent-сценариях

С ростом популярности персональных агентов (OpenClaw и аналоги) пользователи начали ожидать не только эффективности, но иконсистентности персонажа, эмпатии, вовлекающего диалога.

M2.7 усиливает именно эти аспекты:

• стабильное удержание роли в длительных диалогах;
• адаптация стиля под контекст;
• проактивное взаимодействие с окружением.

OpenRoom: демо новой парадигмы взаимодействия

Команда представилаOpenRoom— интерактивную среду, где:

• персонажи «живут» в веб-интерфейсе, а не в текстовом потоке;
• диалог триггерит визуальные изменения и сценарные события;
• агент сам инициирует действия в окружении.

Это не просто чат-бот, а прототипинтерактивного нарративас агентной логикой.

• Репозиторий:github.com/MiniMax-AI/OpenRoom
• Демо:openroom.ai(Значительная часть кода демо написана… самой моделью)

Доступность и интеграция

M2.7 уже доступна:

• 🤖MiniMax Agent:agent.minimax.io
• ⚙️API Platform:platform.minimax.io
• 💻Coding Plan:подписка для разработчиков

Заключение: что это значит для разработчиков

1. Самоэволюция — не хайп, а рабочий инструмент.Возможность модели оптимизировать собственный харнесс сокращает цикл R&D и открывает путь к автономным исследовательским агентам.
2. Инженерное мышление > генерация кода.Успех M2.7 в production-debugging и system-level бенчмарках показывает: ценность смещается от «написать функцию» к «понять и починить систему».
3. Мульти-агентность становится нативной.Если раньше Agent Teams требовали сложной оркестрации «снаружи», то теперь модель сама умеет держать роли и протоколы — это упрощает архитектуру приложений.
4. Персонажи и интерактив — следующий фронтир.Для продуктов, где важен пользовательский опыт (геймификация, обучение, поддержка), консистентность персонажа и эмоциональный интеллект становятся конкурентным преимуществом.

Статья подготовлена на основе официального анонса MiniMax. Бенчмарки и примеры приведены в соответствии с данными разработчика.