Le terme « auto-évolution de l'IA » est galvaudé, mais ce que MiniMax a fait avec le M2.7 est un peu différent.
Il ne s'agit pas de conscience de soi au sens de la science-fiction, mais plutôt : le M2.7, pendant son propre processus d'entraînement, utilise un framework d'agent pour exécuter automatiquement des expériences, lire les logs, analyser les métriques, ajuster le code, puis relancer l'expérience, sur plus de 100 cycles — sans intervention humaine, et les métriques d'évaluation internes ont finalement augmenté de 30 %.
Où se situent les limites de cette approche ? La participation des grands modèles à leur propre itération est-elle une direction future pour le développement de l'IA, ou simplement une opération d'ingénierie intelligente ?
Le mécanisme spécifique de l'« auto-évolution »
Le framework utilisé par M2.7 s'appelle OpenClaw. Pendant l'entraînement, un harnais d'agent de recherche est intégré, dont les tâches sont :
- Surveiller la progression de l'expérience
- Déclencher automatiquement la lecture des logs et l'analyse des métriques
- Générer du code de correction lors de la détection de problèmes
- Soumettre la correction et relancer l'expérience
Ce cycle n'est pas conçu étape par étape par des humains ; l'agent décide lui-même de la prochaine action en fonction des résultats de l'expérience. Après plus de 100 cycles, l'évaluation interne était 30 % supérieure à l'originale.
MiniMax appelle cela les « Échos précoces de l'auto-évolution » (Early Echoes of Self-Evolution) — un nom modeste, mais la direction est significative. Les ingénieurs n'ont pas besoin de surveiller chaque expérience pour ajuster manuellement les paramètres ; le modèle a, dans une certaine mesure, appris à s'améliorer lui-même.
Quelles sont les performances du M2.7 ?
Tout d'abord, la capacité de programmation, qui est la dimension de comparaison la plus directe actuellement :
| Benchmark | Score M2.7 | Remarque |
|---|---|---|
| SWE-Pro | 56,22 % | Proche du niveau de Claude Opus |
| VIBE-Pro (livraison de projet de bout en bout) | 55,6 % | — |
| Terminal Bench 2 (compréhension de systèmes complexes) | 57,0 % | — |
La capacité de compétition en ML n'est pas non plus négligeable : sur 22 tâches de compétition ML (MLE Bench Lite), le meilleur résultat est de 9 médailles d'or, 5 d'argent et 1 de bronze, avec un taux de médailles moyen de 66,6 % sur trois exécutions.
En matière de capacité de travail générale, le GDPval-AA ELO est de 1495, le plus élevé parmi les modèles open source actuels. La précision d'exécution des compétences complexes (chaque compétence définie avec plus de 2000 tokens) atteint 97 %.
Des tests indépendants de Dataconomy montrent également que le M2.7 se rapproche du GPT-5.3-Codex dans les tâches de génie logiciel, et compte tenu de l'écart de prix, cette comparaison est assez significative.
Architecture : 230B paramètres, seulement 10B activés
Le M2.7 utilise une architecture MoE (Mixture of Experts) sparse, avec un total de 230 milliards (230B) de paramètres — mais à chaque inférence, seuls 10B paramètres sont activés.
C'est la logique classique du MoE : diviser le modèle en nombreux experts, en n'appelant que les plus pertinents pour la tâche en cours. Le résultat : le coût d'inférence est proche de celui d'un modèle dense de 10B, mais la capacité se rapproche du niveau d'un modèle de 230B.
Prix : entrée 0,30 $/M token, sortie 1,20 $/M token. Il existe également une version M2.7-highspeed, plus rapide et avec des résultats cohérents. Les poids du modèle ont été publiés en open source le 12 avril.
Native Agent Teams : La collaboration multi-agent ne repose pas uniquement sur le prompting
Le M2.7 a un point de conception spécial : la collaboration multi-agent native (Native Agent Teams).
Selon MiniMax, dans les scénarios multi-agent, certaines capacités ne peuvent pas être résolues uniquement par le prompting : les limites des rôles, le raisonnement adversarial, le respect des protocoles, les différences de comportement — celles-ci doivent être consolidées au niveau de l'entraînement, et les simples prompts système ne suffisent pas.
C'est également la raison pour laquelle le M2.7 a atteint 46,3 % dans Toolathon (évaluation d'appel d'outils) et prend en charge plus de 40 compétences complexes. Dans la feuille de route produit à long terme de MiniMax, la capacité agent est la direction centrale, et le M2.7 est l'étape la plus avancée sur cette voie.
Cette direction mérite une considération sérieuse
L'itération automatisée de l'entraînement n'est pas un concept nouveau, mais le M2.7 l'a intégré dans un modèle commercial officiellement publié, avec des chiffres concrets pour l'étayer (amélioration de 30 %, 100 itérations), plutôt que de rester uniquement au niveau des articles académiques.
Ce qui est encore plus digne de réflexion, c'est la question qu'il soulève : si les modèles peuvent améliorer leur propre processus d'entraînement, le nombre d'ingénieurs dans les laboratoires d'IA diminuera-t-il à l'avenir ? MiniMax est déjà connue pour être une équipe petite mais efficace, et l'approche d'automatisation du M2.7 est parfaitement alignée avec cet ADN.
Parmi les modèles open source chinois, le M2.7 est actuellement celui qui couvre le plus largement les capacités agentic — de la collaboration multi-agent, aux compétitions ML, en passant par la livraison de projets de bout en bout, le tout étayé par des données. Contrairement à DeepSeek, qui suit la voie de l'efficacité de l'entraînement, et à Qwen, qui suit la voie de l'échelle des paramètres, MiniMax parie cette fois clairement sur le fait que les workflows agentic seront le prochain champ de bataille principal.
Sources de référence : 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)