Minimax M2.7:free

MiniMax M2.7 : l'évolution naturelle vers l'auto-évolution des agents

Présenté le 18 mars 2026 par l'entreprise MiniMax, le modèle MiniMax M2.7 s'affirme comme une évolution majeure de la série M2. Conçu spécifiquement pour répondre aux exigences des flux de travail complexes et de longue durée, il se positionne comme un modèle de choix pour la programmation, l'automatisation de tâches professionnelles et l'orchestration d'équipes d'agents (« Agent Teams »).

L'un des aspects les plus marquants de son annonce réside dans son processus de développement, basé sur le concept d'auto-évolution. MiniMax indique avoir exploité une version interne de M2.7 afin de modifier de manière autonome son propre système d'échafaudage d'agent, de lancer des séries d'évaluations et de décider de conserver ou d'annuler les optimisations proposées. Cette boucle de rétroaction souligne une volonté d'accélérer l'amélioration continue des capacités d'automatisation logicielle.

Une architecture Mixture-of-Experts hautement optimisée

Sur le plan architectural, la famille de modèles M2 repose sur une structure de type Mixture-of-Experts (MoE). MiniMax M2.7 affiche un total impressionnant de 229,9 milliards de paramètres, tout en optimisant l'efficacité de calcul en n'activant que 9,8 milliards de paramètres par jeton (token). Le modèle s'appuie sur un ensemble de 256 experts pour router dynamiquement les requêtes selon leur nature et leur complexité.

Les poids de ce modèle sont publiés et disponibles en téléchargement sur la plateforme Hugging Face sous une licence désignée comme « other » (autre), ce qui implique une attention particulière quant aux conditions d'utilisation commerciale, loin des licences open source traditionnelles. Pour son déploiement local ou d'entreprise, MiniMax M2.7 peut être servi via des frameworks reconnus tels que vLLM, SGLang ou Transformers.

Capacités techniques, fenêtres de contexte et modalités d'utilisation

MiniMax M2.7 est un modèle strictement texte-vers-texte. Il prend en charge le texte, la recherche d'outils et le traitement des résultats d'exécution. Contrairement à d'autres déclinaisons de la marque, il ne traite pas les images ni les fichiers en entrée directe dans l'API. Il convient donc de ne pas le confondre avec les solutions multimodales, de synthèse vocale ou de génération vidéo de l'éditeur.

En matière de contexte et de performances de traitement, les spécifications affichent : - Une fenêtre de contexte globale de 204 800 jetons (communément arrondie à 205 K). - Une limite pratique de 196 000 jetons par séquence pour les déploiements locaux. - Une limite maximale de complétion de 196 608 jetons de complétion sur la plateforme OpenRouter. - Un débit d'exécution standard évalué à environ 60 jetons par seconde, pouvant grimper jusqu'à 100 jetons par seconde via sa variante optimisée « highspeed ».

Sur l'API d'OpenRouter, le modèle bénéficie d'un support complet pour le choix d'outils (« function calling »), la génération de sorties structurées via des schémas JSON, ainsi que des contrôles fins liés au raisonnement (« reasoning »).

Évaluations de performances : des promesses ambitieuses à valider

Les performances de MiniMax M2.7, documentées par l'éditeur, le placent parmi les solutions les plus compétitives du marché pour les tâches de développement logiciel : - SWE-Bench Pro : 56,22 % - SWE-Bench Multilingual : 76,5 % - Multi-SWE-Bench : 52,7 % - Terminal-Bench 2 : 57,0 % - VIBE-Pro : 55,6 % - GDPval-AA : Score ELO de 1 495

MiniMax revendique ainsi une parité de performances avec GPT-5.3-Codex sur les tests SWE-Pro, ainsi qu'une proximité notable avec Claude Opus 4.6 sur l'évaluation de livraison de projets de code complexes. Il convient toutefois de souligner que ces mesures proviennent directement du fournisseur. En l'absence de benchmarks indépendants standardisés et d'homogénéité dans les configurations d'agents testées, ces affirmations doivent être abordées avec la prudence méthodologique d'usage.

Cas d'usage cibles et limites intrinsèques

Le modèle excelle particulièrement dans les scénarios professionnels nécessitant une logique séquentielle rigoureuse : - Ingénierie logicielle autonome : refactoring de code, cycles de correction de bugs (exécuter-tester-corriger) et développement d'applications de bout en bout. - Analyse technique : diagnostic de causes racines à travers l'étude de fichiers de journaux (logs) volumineux. - Bureautique avancée : génération et révision de documents complexes au format Word, Excel ou PowerPoint. - Systèmes multi-agents : orchestration de flux de travail distribués nécessitant une mémoire à long terme et une sélection dynamique des outils.

Néanmoins, les utilisateurs doivent composer avec certaines limites importantes. Outre l'absence de capacités multimodales natives (vision et traitement direct de fichiers), l'efficacité de ses fonctions d'agent autonome reste fortement tributaire de la qualité de l'infrastructure logicielle externe (harnais d'agent, bac à sable d'exécution) qui l'entoure.

Pour vos prévisions budgétaires, notez que la tarification d'usage standard d'OpenRouter s'établit à 0,24 $ par million de jetons en entrée et 0,96 $ par million de jetons en sortie (à titre de comparaison, l'API officielle de MiniMax est facturée à 2,1 CNY/M en entrée et 8,4 CNY/M en sortie). L'identifiant comportant le suffixe :free correspond à une route promotionnelle temporaire ou gratuite propre à OpenRouter, dont la pérennité et les quotas associés ne sont pas garantis comme une tarification définitive.