M2.7 MiniMax: sebeevoluce modelu AI

M2.7 od MiniMax: jak se AI model stal spoluautorem vlastní architektury

MiniMax představila M2.7 — první jazykovou model, který dokáže rekursivně optimalizovat vlastní hardware, paměť a parametry RL prostřednictvím uzavřených agentních cyklů. Nejde o aktualizaci s lepšími benchmarky, ale o posun paradigmatu: model nyní participuje na navrhování nástrojů, na nichž se sám učí a vykonává úkoly. Výsledky jsou 56,22 % na SWE-Pro, 1495 ELO na GDPval-AA a 97 % dodržení požadavků při plnění více než 40 složitých dovedností současně. Klíčové je, že toto vše bylo dosaženo bez ručního přepisování architektury: část úprav proběhla autonomně, uvnitř samotného modelu.

Architektura samoevoluce: když model řídí svůj vývojový stack

Tradiční ML cyklus (shromažďování dat → další trénink → nasazení) byl nahrazen rekursivním workflow, ve kterém M2.7 působí jako výzkumný spolupilot. Nejen generuje kód — formuluje hypotézy, provádí literární review, připravuje datové sady, spouští experimenty a interpretuje anomálie. Člověk zůstává v roli arbitra pro kritická rozhodnutí, zatímco 30–50 % rutinních operací je automatizováno.

Klíčovým komponentem je interní hardware, který může M2.7 modifikovat samostatně. Zahrnuje:

• Autonomní shromažďování zpětné vazby z logů, MR a výsledků testů;
• Dynamickou generaci hodnotících sad pro specifické úkoly;
• Iterativní úpravu mechanismů paměti a implementace dovedností podle protokolu MCP (Model Capability Protocol);
• Samochecku na zacyklení a adaptivní korekci penalizace teploty/frekvence.

V jednom z experimentů provedla model více než 100 iterací „analýza chyb → plán změn → úprava → hodnocení → porovnání“, což vedlo ke zvýšení výkonu o 30 % na interních benchmarkách. Důležité je, že změny se netýkaly pouze váh, ale i logiky orchestrace — například byla přidána detekce vzorců chyb v sousedních souborech po opravě jednoho.

Low-resource samo-optimalizace: evoluce na jediném A30

Aby ověřil hranice autonomie, tým uskutečnil experiment na MLE Bench Lite — 22 ML soutěží od OpenAI, které byly prováděny na jediném GPU A30. Cílem bylo posoudit, zda je model schopen komplexní samo-optimalizace za těsných limitů výpočetních zdrojů a paměti.

Architektura agenta v tomto scénáři zahrnovala:

• Krátkodobou paměť založenou na markdown logech iterací;
• Mechanismus sebekritiky po každém kole s formulací opravných opatření;
• Řetězec rekursivního učení na základě nashromážděné zkušenosti (experience replay s filtrací dle kvality).

Po 24 hodinách práce (tři nezávislé spuštění) model získal 9 🥇, 5 🥈 a 1 🥉, dosáhl průměrného podílu ocenění 66,6 %. To odpovídá úrovni Gemini-3.1 a jen mírně zaostává za GPT-5.4 (71,2 %) a Opus-4.6 (75,7 %). Skutečnost, že dosáhl stabilních výsledků v low-resource režimu, potvrzuje, že samo-optimalizace nezávisí na velikosti infrastruktury — je zabudována do architektonické logiky.

Produkční debugování: od upozornění po MR za méně než 3 minuty

M2.7 demonstruje systémové myšlení, které přesahuje rámec generace kódu. Jeho přístup k produkčnímu debugování sleduje striktní postup:

Upozornění v monitoringu
↓
Korelace metrik (latence, míra chyb, časy nasazení)
↓
Statistická analýza tras → hypotézy o hlavní příčině
↓
Automatické připojení k databázi pro ověření hypotéz
↓
Hledání chybějícího migračního souboru indexu
↓
Generace non-blocking CREATE INDEX + vysvětlení rizik
↓
Formulace MR s unit-testy a plánem rollbacku

Tento pipeline funguje v reálném čase a nevyžaduje předchozí prompt. Model využívá interní state-machine pro správu kontextu, uchovává odkazy na logy, schema DB a historii nasazení. Praktický efekt je snížení MTTR (Mean Time to Recovery) na <180 sekund při plné autonomii.

Agent Teams: multiagentní systém jako integrovaná funkce

M2.7 realizuje Agent Teams ne prostřednictvím externí orchestrace (například LangChain), ale jako nativní architektonickou schopnost. Každý agent v týmu má jasně definovanou roli, přístup k vlastní oblasti paměti a vlastní soubor pravidel interakce. Klíčové vlastnosti:

• Adverzariální kontrola: jeden agent generuje řešení, druhý ho kritizuje podle interních kritérií spolehlivosti a bezpečnosti;
• Protokolární interakce: zprávy mezi agenty procházejí standardizovaným serializovaným formátem s podpisem a TTL;
• State-machine s obnovou: při selhání jednoho agenta systém přerozdělí úkoly bez ztráty kontextu.

To umožňuje vytvářet virtuální mini-týmy pro full-stack vývoj — od analýzy požadavků až po generaci MVP s CI/CD konfigurací a dokumentací.

Co je důležité

• M2.7 je první model, který rekursivně modifikuje vlastní hardware, včetně parametrů RL a mechanismů paměti.
• V low-resource scénáři (jeden A30) model dosáhl 66,6 % průměrného podílu ocenění na MLE Bench Lite — úroveň Gemini-3.1.
• Produkční debugování probíhá jako jednotný pipeline: od upozornění po MR s testy za <3 minuty bez ručního zásahu.
• Agent Teams jsou realizovány jako integrovaná funkce, nikoli externí orchestrace — s adverzariální kontrolou a protokolární interakcí.
• Model podporuje více než 40 složitých dovedností současně s 97 % dodržením požadavků, včetně práce s legacy-kódem a mnohovrstevnou dokumentací.

Integrace a praktické využití

M2.7 je již dostupná ve třech formátech: jako cloudový agent (agent.minimax.io), prostřednictvím API Platform (platform.minimax.io) a v rámci Coding Plan — předplatné pro vývojáře. Hlavní use-case:

• Autonomní debugování produkčních služeb;
• Generace full-stack projektů „na klíč“ s CI/CD a dokumentací;
• Finanční analýza (případ TSMC: od čtení roční zprávy po PPT a Word report);
• Vytváření interaktivních postav v OpenRoom — prostředí, kde dialog spouští vizuální a scénářové změny.

Zvláštnost OpenRoom: značná část jeho demo kódu byl napsán samotným M2.7, což zdůrazňuje přechod od nástroje k spoluautoru.

— Editorial Team