Was wäre, wenn sich künstliche Intelligenz selbst verbessern könnte? Das chinesische Unternehmen MiniMax hat gerade den ersten Schritt in diese Richtung gemacht. Sein neues Modell MiniMax M2.7 ist nicht nur ein weiteres Modell der M2-Reihe. Es hilft nämlich nicht nur den Nutzern, sondern auch sich selbst.
Ein Modell, das selbstständig lernt
M2.7 ist das erste KI-Modell von MiniMax, das an seiner eigenen Weiterentwicklung beteiligt war. Während der Entwicklung konnte es agentische Strukturen erstellen und verbessern und bewältigte auch anspruchsvolle Aufgaben, darunter die Aktualisierung seines eigenen Gedächtnisses oder der Aufbau von Fähigkeiten für bestärkendes Lernen.
Falls Sie nicht wissen, was Sie sich darunter vorstellen sollen, lässt sich vereinfacht sagen, dass das Modell die Aufgabe bewältigt hat, sich selbst zu verbessern. Während der Entwicklung durchlief es selbstständig mehr als 100 Optimierungszyklen und erzielte eine Verbesserung von 30 % bei den Bewertungen – und das ohne einen einzigen menschlichen Eingriff! Das bedeutet jedoch nicht, dass das Modell seinen Code von Grund auf neu geschrieben hätte. Vielmehr half es dabei, die Umgebung zu optimieren, in der es arbeitete.
Was kann MiniMax M2.7?
MiniMax M2.7 wurde als Modell für den täglichen professionellen Einsatz entwickelt. Genau das spiegeln auch die Bereiche wider, in denen es besonders überzeugt. In einigen davon erzielt es sogar Ergebnisse, die man von einem deutlich teureren Modell erwarten würde.
-
Programmierung und Softwareentwicklung: Im Benchmark SWE-Pro, der reale Programmieraufgaben testet, erreichte M2.7 eine Punktzahl von 56,22 % und lag damit gleichauf mit GPT-5.3-Codex. Im Benchmark Multi-SWE Bench übertraf es mit seinem Ergebnis von 52,7 % sogar Claude Opus 4.6 mit 50,3 % oder GPT-5.4 mit 49 %. Ebenso gut schneidet es bei der End-to-End-Umsetzung vollständiger Projekte ab (VIBE-Pro 55,6 %). M2.7 hält somit mit den besten Modellen Schritt. Und übertrifft sie in manchen Bereichen sogar.
-
Office-Tools: Im Benchmark GDPval-AA, der reale Aufgaben in Excel, PowerPoint und Word bewertet, erzielte M2.7 die höchste Punktzahl unter den verfügbaren Open-Source-Modellen. Komplexe mehrstufige Dokumentbearbeitungen, mit denen die meisten Modelle Schwierigkeiten haben, bewältigt es mit einer Genauigkeit von 97 %.
Weniger Halluzinationen: Das Modell M2.7 weist mit 34 % eine geringere Halluzinationsrate auf. Das ist weniger als beim Modell Claude Sonnet 4.6, das 46 % erreicht, oder beim Modell Gemini 3.1 Pro Preview, das auf 50 % kommt.
Warum M2-7 Aufmerksamkeit verdient
MiniMax M2.7 kann zweifellos als ernst zu nehmender Konkurrent populärer westlicher KI-Modelle betrachtet werden. Zu seinen größten Stärken zählen zweifellos ein gutes Preis-Leistungs-Verhältnis, die Generierung von Inhalten sowie qualifizierte Tätigkeiten wie etwa das Programmieren.
Die einzigen Nachteile könnten das kleinere Kontextfenster oder das Fehlen von Multimodalität sein. Daher eignet es sich eher für kleinere Aufgaben als für überdurchschnittlich umfangreiche Datenanalysen. Mit seinen Ergebnissen in Vergleichstests beweist es jedoch, dass es im Bereich Wissen und Fähigkeiten definitiv ein konkurrenzfähiges Modell ist.
