Der Begriff "KI-Selbstevolution" wird oft überstrapaziert, aber was MiniMax mit dem M2.7 gemacht hat, ist etwas anders.
Es geht nicht um Selbstbewusstsein im Science-Fiction-Sinn, sondern darum: M2.7 nutzt während seines eigenen Trainingsprozesses ein Agent-Framework, um automatisch Experimente auszuführen, Logs zu lesen, Metriken zu analysieren, Code anzupassen und dann das Experiment erneut zu starten – über 100 Zyklen lang – ohne menschliches Eingreifen, und die internen Bewertungsmetriken stiegen letztendlich um 30 %.
Wo liegen die Grenzen dieses Ansatzes? Ist die Beteiligung großer Modelle an ihrer eigenen Iteration eine zukünftige Richtung der KI-Entwicklung oder nur ein cleverer technischer Kniff?
Der konkrete Mechanismus der "Selbstevolution"
Das von M2.7 verwendete Framework heißt OpenClaw. Während des Trainings wird ein Research-Agent-Harness eingebunden, dessen Aufgaben sind:
- Überwachung des Experimentfortschritts
- Automatisches Auslösen des Log-Lesens und der Metrikanalyse
- Generierung von Reparaturcode bei Problemerkennung
- Einreichen der Reparatur und Neustart des Experiments
Dieser Kreislauf wird nicht von Menschen Schritt für Schritt entworfen, sondern der Agent entscheidet basierend auf den Experimentergebnissen selbst, was als Nächstes zu tun ist. Nach über 100 Zyklen waren die internen Bewertungen 30 % höher als zuvor.
MiniMax nennt dies "Frühe Echos der Selbstevolution" (Early Echoes of Self-Evolution) – ein bescheidener Name, aber die Richtung ist bedeutend. Ingenieure müssen nicht jedes Experiment manuell überwachen und Parameter anpassen; das Modell hat gewissermaßen gelernt, sich selbst zu verbessern.
Wie schneidet M2.7 in Benchmarks ab?
Zunächst die Programmierfähigkeit, die derzeit direkteste Vergleichsdimension:
| Benchmark | M2.7-Punktzahl | Anmerkung |
|---|---|---|
| SWE-Pro | 56,22 % | Nahe am Niveau von Claude Opus |
| VIBE-Pro (End-to-End-Projektabschluss) | 55,6 % | — |
| Terminal Bench 2 (komplexes Systemverständnis) | 57,0 % | — |
Auch die ML-Wettbewerbsfähigkeit ist beachtlich: Bei 22 ML-Wettbewerbsaufgaben (MLE Bench Lite) war das beste Ergebnis 9 Gold-, 5 Silber- und 1 Bronzemedaille, mit einer durchschnittlichen Medaillenquote von 66,6 % über drei Durchläufe.
Bei allgemeinen Arbeitsfähigkeiten erreicht GDPval-AA ELO 1495, der höchste Wert unter den Open-Source-Modellen. Die Ausführungsgenauigkeit für komplexe Fähigkeiten (jede Fähigkeit mit über 2000 Token definiert) liegt bei 97 %.
Unabhängige Tests von Dataconomy zeigen ebenfalls, dass M2.7 bei Softwareentwicklungsaufgaben nahe an GPT-5.3-Codex herankommt – angesichts des Preisunterschieds ist dieser Vergleich durchaus aussagekräftig.
Architektur: 230B Parameter, nur 10B aktiviert
M2.7 verwendet eine sparse MoE-Architektur (Mixture of Experts) mit insgesamt 230 Milliarden (230B) Parametern – aber pro Inferenz werden nur 10B Parameter aktiviert.
Dies ist die klassische MoE-Logik: Das Modell wird in viele Experten aufgeteilt, und es werden nur die für die aktuelle Aufgabe relevantesten aufgerufen. Das Ergebnis: Die Inferenzkosten ähneln denen eines dichten 10B-Modells, während die Leistung nahe an der eines 230B-Modells liegt.
Preise: Eingabe $0,30/M Token, Ausgabe $1,20/M Token. Es gibt auch eine M2.7-highspeed-Version, die schneller ist und konsistente Ergebnisse liefert. Die Modellgewichte wurden am 12. April als Open Source veröffentlicht.
Native Agent Teams: Multi-Agent-Kollaboration nicht nur durch Prompting
M2.7 hat ein spezielles Designmerkmal: native Multi-Agent-Kollaboration (Native Agent Teams).
Laut MiniMax können einige Fähigkeiten in Multi-Agent-Szenarien nicht allein durch Prompting gelöst werden: Rollengrenzen, adversarielles Denken, Protokolleinhaltung, Verhaltensunterschiede – diese müssen auf Trainingsebene verankert werden, System-Prompts allein reichen nicht aus.
Dies ist auch der Grund, warum M2.7 im Toolathon (Tool-Calling-Benchmark) 46,3 % erreicht und über 40 komplexe Fähigkeiten unterstützt. Auf der langfristigen Produkt-Roadmap von MiniMax sind Agent-Fähigkeiten der Kernbereich, und M2.7 ist der bislang weiteste Schritt auf diesem Weg.
Diese Richtung verdient ernsthafte Beachtung
Automatisierte Trainingsiteration ist kein neues Konzept, aber M2.7 hat es in ein offiziell veröffentlichtes kommerzielles Modell integriert und mit konkreten Zahlen untermauert (30 % Verbesserung, 100 Iterationen), anstatt nur auf Papierebene zu bleiben.
Noch bedenkenswerter ist die Frage, die es aufwirft: Wenn Modelle ihren eigenen Trainingsprozess verbessern können, wird dann die Anzahl der Ingenieure in KI-Laboren in Zukunft sinken? MiniMax ist ohnehin für sein kleines, aber effizientes Team bekannt, und der Automatisierungsansatz von M2.7 passt perfekt zu dieser DNA.
Unter den chinesischen Open-Source-Modellen deckt M2.7 derzeit die agentischen Fähigkeiten am umfassendsten ab – von Multi-Agent-Kollaboration über ML-Wettbewerbe bis hin zu End-to-End-Projektabschlüssen, alles mit Daten belegt. Anders als DeepSeek, das den Weg der Trainingseffizienz geht, oder Qwen, das auf Parametergröße setzt, setzt MiniMax diesmal klar darauf, dass agentische Workflows das nächste Hauptschlachtfeld sein werden.
Quellenangabe: CocoLoop, MiniMax M2.7: Early Echoes of Self-Evolution (minimax.io); MiniMax M2.7 Advances Scalable Agentic Workflows on NVIDIA Platforms (NVIDIA Technical Blog); MiniMax M2.7 Matches GPT-5.3-Codex In Software Engineering Tasks (Dataconomy); MiniMax M2.7 Model Specs, Costs & Benchmarks (Galaxy.ai)