2026年03月19日 11時40分 AI

中華AI企業がGemini 3.1 Proより高性能なAIモデル「MiniMax M2.7」を発表、自己進化によって性能向上＆エージェントチームにネイティブ対応

中国の上海に拠点を置くAI開発企業のMiniMaxがAIモデル「MiniMax M2.7」を2026年3月18日に発表しました。MiniMax M2.7は同社初の「自己進化を用いて開発したAIモデル」として位置付けられており、ベンチマークテストではGemini 3.1 Proを超えるスコアを達成しています。

MiniMax M2.7: Early Echoes of Self-Evolution - MiniMax News | MiniMax
https://www.minimax.io/news/minimax-m27-en

MiniMax M2.7 - Model Self-Improvement, Driving Productivity Innovation Through Technological Breakthroughs | MiniMax
https://www.minimax.io/models/text/m27

Introducing MiniMax-M2.7, our first model which deeply participated in its own evolution, with an 88% win-rate vs M2.5

- Production-Ready SWE: With SOTA performance in SWE-Pro (56.22%) and Terminal Bench 2 (57.0%), M2.7 reduced intervention-to-recovery time for online incidents… pic.twitter.com/w21vUczxzV
— MiniMax (official) (@MiniMax_AI) March 18, 2026

MiniMaxはMiniMax M2.7の製品版を開発するために「MiniMax M2.7の内部バージョン」に対して研究用エージェントハーネスの開発を指示しました。構築されたエージェントハーネスは「データパイプライン」「学習環境」「インフラストラクチャー」「チーム間コラボレーション」「永続メモリ」を管理可能で、「人間のAI研究者がAIモデルと会話しながら実験内容の設計やログ分析を行う」という開発フローを実現し、問題の発見と検証を高速化することに成功。製品版モデルの開発に際して、MiniMax M2.7はワークフローの30～50％を処理したそうです。

また、MiniMax M2.7の内部バージョンを用いてモデルを再帰的に進化させることにも成功しました。具体的には「問題の分析→修正計画→コードの変更→テスト実行→結果の比較→変更の適用もしくは破棄」という処理を100回以上繰り返すことで30％の性能向上を実現したとのこと。AIモデルをMiniMax M2.7を用いた再帰的進化システムでトレーニングし、数学オリンピックでのメダル獲得数の変化をグラフ化したものが以下。初期状態のAIモデルはメダルを1つも獲得できませんでしたが、再帰的進化システムを25時間実行することで平均メダル獲得率が66.6％にまで向上しました。

MiniMax M2.7は複数のエージェントを同時に実行するエージェントチームにネイティブ対応していることも大きな特徴です。MiniMaxによると、各エージェントに異なる役割を与えるエージェントチームの仕組みはシステムプロンプトの工夫だけでは実現できず、AIモデルの開発段階でネイティブ対応する必要があるとのこと。MiniMax M2.7のエージェントチーム機能はMiniMaxの製品開発でも用いられているそうです。

「MiniMax M2.7」「MiniMax M2.5」「Gemini 3.1 Pro」「Claude Sonnet 4.6」「Claude Opus 4.6」「GPT-5.4」の各種ベンチマーク結果は以下の通り。MiniMax M2.7はほとんどのテストでGemini 3.1 Proを上回るスコアを記録しました。

AIモデルの性能比較サイトであるArtificial AnalysisにもMiniMax M2.7のベンチマーク結果が掲載されています。エージェント性能を測定するテストではMiniMax M2.7がGemini 3.1 Pro Previewを上回り、Claude Sonnet 4.6に迫るスコアを記録しました。