Istilah "evolusi diri AI" sudah terlalu sering digunakan, tetapi apa yang dilakukan MiniMax pada M2.7 sedikit berbeda.
Ini bukan tentang kesadaran diri dalam arti fiksi ilmiah. Melainkan: M2.7, selama proses pelatihannya sendiri, menggunakan kerangka kerja agen untuk secara otomatis menjalankan eksperimen, membaca log, menganalisis metrik, menyesuaikan kode, dan menjalankan ulang eksperimen. Siklus ini berulang lebih dari 100 putaran — tanpa campur tangan manusia, dan metrik evaluasi internal pada akhirnya meningkat 30%.
Di mana batasan dari hal ini? Apakah partisipasi model besar dalam iterasi dirinya sendiri merupakan arah pengembangan AI di masa depan, atau hanya sekadar operasi rekayasa yang cerdas?
Mekanisme Spesifik "Evolusi Diri"
Kerangka kerja yang digunakan M2.7 disebut OpenClaw. Selama pelatihan, sebuah harness agen penelitian dipasang. Tugasnya adalah:
- Memantau kemajuan eksperimen
- Secara otomatis memicu pembacaan log dan analisis metrik
- Menghasilkan kode perbaikan setelah mengidentifikasi masalah
- Mengirimkan perbaikan dan menjalankan ulang eksperimen
Putaran ini tidak dirancang langkah demi langkah oleh manusia. Sebaliknya, agen memutuskan tindakan selanjutnya berdasarkan hasil eksperimen. Setelah lebih dari 100 putaran, tolok ukur internal 30% lebih tinggi dari aslinya.
MiniMax menyebutnya "Early Echoes of Self-Evolution" — nama yang rendah hati, tetapi arahnya signifikan. Insinyur tidak perlu lagi memantau setiap eksperimen dan menyesuaikan parameter secara manual; model, sampai batas tertentu, telah belajar untuk meningkatkan dirinya sendiri.
Bagaimana Skor M2.7?
Pertama, kemampuan pemrograman, yang saat ini merupakan tolok ukur lintas sektor yang paling intuitif:
| Tolok Ukur | Skor M2.7 | Keterangan |
|---|---|---|
| SWE-Pro | 56.22% | Mendekati level Claude Opus |
| VIBE-Pro (Pengiriman Proyek End-to-End) | 55.6% | — |
| Terminal Bench 2 (Pemahaman Sistem Kompleks) | 57.0% | — |
Kemampuan kompetisi ML juga tidak rendah: dari 22 tugas kompetisi ML (MLE Bench Lite), hasil terbaik adalah 9 emas, 5 perak, dan 1 perunggu, dengan rata-rata tingkat perolehan medali 66.6% dari tiga kali eksekusi.
Dalam hal kemampuan kerja umum, GDPval-AA ELO adalah 1495, yang saat ini tertinggi di antara model open source. Akurasi eksekusi untuk keterampilan kompleks (setiap keterampilan didefinisikan dengan 2000+ token) mencapai 97%.
Pengujian independen oleh Dataconomy juga menunjukkan M2.7 mendekati level GPT-5.3-Codex dalam tugas rekayasa perangkat lunak. Mengingat perbedaan harga, perbandingan ini cukup berarti.
Arsitektur: 230B Parameter, Hanya 10B yang Diaktifkan
M2.7 menggunakan arsitektur MoE (Mixture of Experts) jarang, dengan total parameter 230 miliar (230B) — tetapi hanya 10B parameter yang diaktifkan per inferensi.
Ini adalah logika klasik MoE: membagi model menjadi banyak pakar, dan hanya memanggil yang paling relevan untuk setiap tugas. Efeknya adalah: biaya inferensi mendekati model padat 10B, sementara kemampuannya mendekati skala 230B.
Harga: Input $0,30/M token, Output $1,20/M token. Ada juga versi M2.7-highspeed, yang lebih cepat dengan hasil yang konsisten. Bobot model telah dirilis sebagai open source pada 12 April.
Tim Agen Asli: Kolaborasi Multi-Agen Bukan Melalui Prompting
M2.7 memiliki titik desain khusus: kolaborasi multi-agen asli (Native Agent Teams).
Menurut MiniMax, dalam skenario multi-agen, beberapa kemampuan tidak dapat diselesaikan hanya dengan prompting: batasan peran, penalaran adversarial, kepatuhan protokol, perbedaan perilaku — ini harus diperkuat di tingkat pelatihan, dan prompt sistem saja tidak cukup untuk mendukungnya.
Ini juga mengapa M2.7 mencapai 46,3% di Toolathon (tolok ukur pemanggilan alat) dan mendukung 40+ keterampilan kompleks. Pada peta jalan produk jangka panjang MiniMax, kemampuan agen adalah arah inti, dan M2.7 adalah langkah terjauh yang diambil di jalur ini.
Arah Ini Layak Dipertimbangkan Secara Serius
Iterasi pelatihan otomatis bukanlah konsep baru, tetapi M2.7 telah mengimplementasikannya ke dalam model komersial yang dirilis secara resmi, didukung oleh angka-angka konkret (peningkatan 30%, 100 putaran iterasi), dan tidak hanya tinggal di tingkat makalah.
Yang lebih perlu dipikirkan adalah pertanyaan yang dibukanya: jika model dapat meningkatkan proses pelatihannya sendiri, akankah jumlah insinyur di laboratorium AI berkurang di masa depan? MiniMax selalu dikenal sebagai tim dengan skala kecil dan efisiensi tinggi, dan pendekatan otomatisasi M2.7 sepenuhnya selaras dengan DNA ini.
Di antara model open source Tiongkok, M2.7 saat ini memiliki cakupan kemampuan agen yang paling komprehensif — dengan data yang mendukung kolaborasi multi-agen, kompetisi ML, dan pengiriman proyek end-to-end. Tidak seperti DeepSeek yang fokus pada efisiensi pelatihan dan Qwen yang fokus pada skala parameter, MiniMax kali ini secara jelas bertaruh bahwa alur kerja agen adalah medan pertempuran utama berikutnya.
Sumber referensi: 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)