Home/Blog
7 min read

MiniMax M2.7 — 自分自身を 100 回改善した AI、開発エージェント戦線で GPT-5 に並ぶ

minimaxllmai-agentsopen-sourcebenchmarkagent-design

概要

2026年3月18日、中国の AI スタートアップ MiniMax が M2.7 を公開した。

最大の特徴はモデルが「自分自身の学習プロセスに参加した」という点にある。内製エージェントハーネス OpenClaw を使って、M2.7 の初期バージョンが 100 回を超える自律最適化ラウンドを実行。失敗ケースの分析 → コード修正 → 評価 → 結果比較というループを繰り返し、最終的に 30% のパフォーマンス改善を人手なしで達成した。

その結果として出てきた数字が SWE-Pro 56.22%——GPT-5.3-Codex と並ぶ水準だ。

OpenClaw — 自己改善の仕組み

従来の学習との断絶

従来の LLM 開発はシングルパスのファインチューニングが主流だ。学習データを用意し、人間がアノテーションを行い、評価して改善点を次の学習サイクルに反映する。

M2.7 はこのサイクルの一部をモデル自身に委ねた。MiniMax は初期バージョンの M2.7 にプログラミングスキャフォールドを渡し、監視なしで走らせた。モデルは以下のループを 100 回以上繰り返した。

1. 失敗ケースの分析（自己クリティーク）
2. 改善計画の立案
3. スキャフォールドコードの修正
4. 評価実行
5. 結果の比較・採択

このアプローチを MiniMax は「first model deeply participating in its own evolution」と表現している。強化学習の研究ワークフローの 30〜50% を自律実行できるという試算も出ている。

何が「自己進化」を可能にしたか

要素内容
OpenClaw内製エージェントハーネス。失敗軌跡の分析とコード修正を自律実行
自己クリティークモデルが自分の出力を評価し、弱点を特定
再帰的パッチ弱点に対して自動でコードを書き換えて再評価
100+ ラウンド人間が各ステップに介入せず、モデルが自律でサイクルを駆動

仕様とベンチマーク

モデル仕様

項目M2.7
パラメータ数230B
コンテキストウィンドウ204,800 tokens（自動プロンプトキャッシング対応）
モダリティテキスト入出力（画像・音声はネイティブ非対応）
スループット約 100 tokens/sec
重み公開HuggingFace で公開（商用利用は申請要）

競合との比較

ベンチマークM2.7GPT-5.4Claude Opus 4.6
SWE-Pro（コーディング）56.22%57.7%~50%
Terminal Bench 282.4%79.2%74.1%
MLE Bench Lite（ML競技）66.6%——
Tool-Calling Accuracy75.8%~74%~72%
GDPval-AA ELO1495（オープンソース最高）——
40+ 複合スキル遵守率97%——

コーディングと DevOps タスクでは GPT-5.4 と横並び。ML コンペの自律実行（24 時間ウィンドウ）では 66.6% のメダル率を記録し、特化モデルを除けば最上位圏に入る。

コスト効率

モデル入力（/1M tokens）出力（/1M tokens）
Claude Opus 4.6~$15~$75
GPT-5.4~$10~$50
M2.7$0.20$1.10

Claude Opus 比で入力 75 倍・出力 68 倍の価格差がある。エージェントワークフローでトークン消費が多い用途では、このコスト差が設計選択を変えるレベルになる。

エージェント設計との親和性

M2.7 は後からエージェント能力を追加したモデルではなく、エージェントループを前提にアーキテクチャが設計されている。

マルチエージェント構成での役割維持（stable role identity）、2,000 トークン超の複合スキルへの 97% 遵守率、他エージェントへの論理的矛盾指摘といった挙動は、単一モデルの性能ではなく「エージェントとして動くときの安定性」として評価できる。

Word・Excel・PowerPoint の複数ラウンド編集など Office 生産性タスクも強く、非エンジニア向けのエージェントアプリに乗せやすい設計になっている。

ライセンスと地政学的なねじれ

M2.7 は HuggingFace で重みを公開しているが、商用利用には MiniMax への事前申請（api@minimax.io）が必要だ。研究・非商用利用は制限なし。

利用形態条件
研究・個人利用制限なし
商用利用（ローカル重み）MiniMax への書面申請が必要
API 利用MiniMax API Platform、NVIDIA 無料 API
HuggingFace 重みのダウンロード可能

「オープンウェイト」だが商用展開には許諾が必要——これは Llama の商用制限（月間アクティブユーザー 7 億人以上は申請）に近い形態だ。ただし MiniMax は中国企業であり、ジオポリティカルな懸念が Llama とは異なる次元で存在する。

日本への示唆

コスト効率が設計選択を変える

日本の SaaS スタートアップやシステムインテグレータが LLM エージェントを組む場合、Claude Opus・GPT-5 との価格差は無視できない。月数百万トークンを消費するワークフロー自動化の案件では、M2.7 を下位エージェントとして組み込むコスト優位が数十万円単位の差に直結する。

用途推奨モデルM2.7 の位置付け
コーディングエージェント（高精度）GPT-5.4 / Claude Opusサブエージェントとしてコスト最適化
Office 文書処理自動化M2.7直接採用候補
ML リサーチ自動化M2.724h 自律実行で有望
機密データを扱う社内用途Llama 4 / Gemma 4商用申請不要・完全ローカル

商用申請と地政学的摩擦

M2.7 を日本企業が商用製品に組み込む場合、中国企業への申請が前提になる。金融・防衛・医療など規制環境が厳しいセクターでは、このフローが法務・コンプライアンスの障壁になる可能性がある。

「安くて高性能」という数字面の魅力と「中国企業の許諾が必要」という運用面の現実をセットで評価する必要がある。

自己進化モデルが示す次の開発パラダイム

OpenClaw が示したのは「人間がアノテーションする前にモデルが自分で弱点を潰す」という学習ループの自動化だ。これが一般化すると、LLM の性能改善に必要な人手が減り、イテレーション速度が上がる。

日本の AI 開発スタートアップが同様のアプローチを自社モデルに使おうとすると、エージェントインフラの設計力がモデル性能に直結するという競争構造になる。「どれだけ良いデータを持っているか」よりも「どれだけ速く自律的に改善できるか」へ競争の軸が移動しつつある。

まとめ

  • 2026年3月18日、MiniMax が M2.7 を公開。OpenClaw による 100 回超の自律ループで 30% の性能向上
  • SWE-Pro 56.22%、Terminal Bench 2 82.4%——コーディング・DevOps 系で GPT-5.4 と横並び
  • 価格は Claude Opus 比で 40〜75 倍安い。エージェントワークフローのコスト設計を変えるレベル
  • 重みは HuggingFace 公開だが商用利用は MiniMax への申請が必要。中国企業への依存というリスクが伴う
  • 「AI が自分自身を改善する」学習パラダイムは、次世代モデル開発の標準手法になる可能性がある

参考リンク

Edit on GitHub