MiniMax-M2.7とは？
MiniMax-M2.7は、MiniMaxが2026年4月9日にHugging Faceで公開した、228.7Bパラメータのオープンウェイトモデルです。MiniMaxは、自身の開発に関与した同社初のモデルと説明しています。学習中に自らのメモリを更新し、強化学習実験のために数十もの複雑なスキルを構築し、その結果に基づいて自身の学習プロセスを変更しました。ある社内バージョンは、100+ラウンドにわたってプログラミング用の実行基盤を書き直しました。失敗に至る過程を分析し、コードを編集し、評価を実行して、各変更を維持するか元に戻すかを判断した結果、性能が30%向上しました。公開モデルも同種の作業を想定して構築されています。複雑なエージェント実行基盤、長時間にわたる実務タスク、マルチエージェント協調のためのネイティブなAgent Teams、動的なツール検索に対応します。
| 仕様 | MiniMax-M2.7 |
|---|---|
| 総パラメータ数 | 228.7B |
| モダリティ | テキスト入力、テキスト出力 |
| エージェント機能 | Agent Teams、複雑なSkills、動的なツール検索 |
| 推奨サービング環境 | SGLang、vLLMまたはTransformers。NVIDIA NIMでも利用可能 |
| 推奨サンプリング設定 | temperature 1.0、top_p 0.95、top_k 40 |
| リリース日 | 2026年4月9日 |
| ライセンス | 独自ライセンス。Hugging Faceでは「other」と表記 |
モデルカードでは、M2.7をコード生成の枠を大きく超えるモデルと位置づけています。MiniMaxは、監視メトリクスの相関分析、トレース分析の実行、データベースでの根本原因の検証、SREレベルの判断といった、システムレベルのエンジニアリング能力を備えると主張しています。また、実際の本番環境で発生したインシデントの復旧時間を、複数回にわたって3分未満に短縮したとしています。オフィス業務では、成果物を編集可能な状態に保ちながら、Word、Excel、PPTファイルを複数ラウンドにわたって編集します。MiniMaxは、MM Clawにおける40+の複雑なスキル全体で、スキルへの準拠率が97%だったと報告しています。
MiniMax-M2.7のベンチマーク
以下の数値はすべて、モデルカードに記載されたMiniMax自身の報告値です。同社は競合との比較表を公開していないため、各スコアは単独の値として示しています。MLE Bench Liteは22の機械学習コンペティションにおけるメダル獲得率、GDPval-AAはELOレーティング、残りはパーセント値です。
| ベンチマーク | MiniMax-M2.7 |
|---|---|
SWE-Pro 高難度のエンジニアリング | 56.22 |
SWE Multilingual 多言語エンジニアリング | 76.5 |
Terminal Bench 2 ターミナルエージェント | 57.0 |
NL2Repo リポジトリ単位のコーディング | 39.8 |
VIBE-Pro バイブコーディング | 55.6 |
Toolathon 長期タスクでのツール利用 | 46.3 |
MLE Bench Lite 機械学習コンペティション | 66.6 |
GDPval-AA 専門業務タスク | 1495 |
MiniMaxは、これらの結果を次のように説明しています。SWE-ProではGPT-5.3-Codexと同等、VIBE-ProではOpus 4.6とほぼ同等で、GDPval-AAのELOはオープンウェイトモデルの中で最高であり、GPT5.3も上回るとしています。一方、モデルカードは劣る点も認めています。MLE Bench Liteのメダル獲得率はOpus-4.6とGPT-5.4に次ぎ、エンドツーエンドのベンチマークであるMM Clawでは62.7%で、Sonnet 4.6に近いものの、上回ってはいません。
MiniMax-M2.7のハードウェア要件
システム要件で確認すべきなのはメモリです。コミュニティ製のGGUFビルドはunsloth/MiniMax-M2.7-GGUFで配布されています。複数の分割ファイルで提供されるため、以下のサイズは各ビルドの合計です。量子化していないBF16変換版は457.5 GBあります。複数段階の量子化版があることで、ローカルでの利用が現実的になります。
| メモリ | 選択するビルド | ファイルサイズ |
|---|---|---|
| 64 GB | UD-IQ1_M | 60.7 GB |
| 96 GB | UD-IQ3_S | 83.6 GB |
| 128 GB | UD-IQ4_XS | 108.4 GB |
| 192 GB | UD-Q5_K_XL | 169.5 GB |
| 256 GB以上 | Q8_0 | 243.1 GB |
2つのビルドがどちらもメモリに収まる場合は、大きい方を選んでください。特に重要なのが1ビットと2ビットの範囲です。この範囲では、削減した容量1ギガバイト当たりの品質低下が最も大きくなります。96 GBのマシンでは、70.2 GBのUD-IQ2_Mよりも、メモリの余裕が少なくなっても83.6 GBのUD-IQ3_Sを選ぶ価値があります。量子化の名称や分割ファイルになじみがなければ、まずGGUFとは何かを読んでください。
Atomic ChatでMiniMax-M2.7を実行する方法
Atomic Chatは、macOS、Windows、Linux向けの無料ローカルアプリです。Hugging Faceのモデルブラウザーとチャット機能を内蔵しており、llama.cppを手動でビルドする必要はありません。
- お使いのプラットフォーム向けのAtomic Chatをダウンロードし、起動します。
- モデルブラウザーでMiniMax-M2.7を検索し、Download Optionsを開きます。
- お使いのメモリ容量に収まるビルドを選び、チャットを開始します。
ほかのラインアップについては、ローカルで実行できるMiniMaxモデルの一覧、または同系列のMiniMax M3をご覧ください。
MiniMax-M2.7のライセンス
MiniMax-M2.7は、MiniMax独自のライセンスで提供されています。Hugging Faceでは、標準的なパーミッシブライセンスではなく「other」と表記されており、全文はモデルリポジトリのLICENSEファイルにあります。このモデルを使って商用製品を開発する前に、そのファイルを読んでください。適用されるのはベンダー独自の条件であり、ApacheやMITではありません。