MiniMax только что выпустили M2.7 — модель, которая частично участвовала в собственном обучении.
Во время разработки M2.7 использовалась для построения десятков сложных навыков внутри RL-харнесса, обновления собственной памяти и оптимизации процесса обучения. По сути, модель помогала писать правила, по которым её же и дообучали.
В одном из сценариев исследователь описывает идею эксперимента, агент изучает литературу, отслеживает спецификации, запускает эксперименты, мониторит их, автоматически читает логи, дебажит, анализирует метрики, фиксит код и делает мёрджи. Раньше это требовало нескольких человек из разных команд. Сейчас люди подключаются только для критических решений. M2.7 закрывает 30–50% этого процесса.
По бенчмаркам: SWE-Pro — 56.22%, VIBE-Pro — 55.6%, соблюдение инструкций по 40+ сложным навыкам — 97%. На большинстве тестов модель держится рядом с Claude Sonnet 4.6 и Opus 4.6.
Предыдущая версия, M2.5, была де-факто самой популярной бесплатной моделью в инструментах для раз��аботчиков — OpenCode, Kilo Code, Cline и других. За несколько месяцев M2-серия стала одной из самых используемых на платформе Cline. Теперь интересно, как скоро M2.7 займёт то же место.
Русскоязычное сообщество про AI в разработке
Друзья! Эту новость подготовила команда ТГК «AI for Devs» — канала, где мы рассказываем про AI-агентов, плагины для IDE, делимся практическими кейсами и свежими новостями из мира ИИ. Подписывайтесь, чтобы быть в курсе и ничего не упустить!
