MiniMax Lança Modelo M2.7 em MiniMax Agent e APIs

O M2.7 da MiniMax não é só mais um modelo de linguagem: é o primeiro a fechar o ciclo de autoengenharia em escala industrial. Ele usa sua própria arquitetura Sparse MoE, com 230 bilhões de parâmetros, mas apenas 10 bilhões ativados por token, para depurar, avaliar e otimizar versões anteriores de si mesmo em mais de 100 ciclos iterativos, assumindo até metade do fluxo de trabalho de desenvolvimento interno. Isso explica a melhoria de 30% em desempenho interno e os resultados concretos nos benchmarks: 78% no SWE-Bench Verified (superando Claude Opus 4.6), 56,22% no SWE-Pro (empatado com GPT-5.3-Codex) e ELO de 1495 no GDPval-AA, o mais alto entre modelos de peso aberto, embora o M2.7 seja agora proprietário, uma virada estratégica clara.

Sua janela de contexto de 204.800 tokens, saída máxima de 131.072 tokens e latência de menos de um segundo na versão rápida (100 TPS) não são só números técnicos: são condições que permitem agentes de pesquisa e engenharia operarem sem recorte artificial em ambientes reais. A integração com MCP permite usar ferramentas externas como busca web e análise de imagens, mas sem depender de orquestração manual, o modelo decide quando e como acioná-las, dentro do próprio raciocínio.

Isso muda a economia da IA aplicada. O M2.7 entrega 90% da qualidade do Claude Opus 4.6 por cerca de 7% do custo total da tarefa, mantendo preços fixos de US$ 0,30/milhão de tokens de entrada e US$ 1,20/milhão de saída, idênticos aos do M2.5, apesar do salto técnico. Para equipes de engenharia, isso significa reduzir tempo médio de recuperação de incidentes para menos de três minutos. Para startups e PMEs, é acesso a capacidade de nível topo sem precisar escalar infraestrutura ou contratar especialistas em fine-tuning. E para o ecossistema global, é um sinal de que a corrida não é mais só por desempenho bruto, mas por eficiência operacional e autonomia de ciclo fechado.