NERDMANMiniMax macht sein bestes KI-Modell Open Source
Ein chinesisches KI-Startup veröffentlicht ein Modell, das sich selbst weiterentwickelt hat — und liefert dabei Benchmark-Werte, die aufhorchen lassen.
Was konkret passiert ist
MiniMax hat MiniMax M2.7 auf Hugging Face veröffentlicht. Die Modellgewichte sind frei verfügbar. Ursprünglich am 18. März 2026 angekündigt, ist es das erste Modell des Unternehmens, das aktiv an seiner eigenen Entwicklung mitgearbeitet hat.
Die Architektur
MiniMax M2.7 gehört zur M2-Serie und basiert auf einer Mixture-of-Experts-Architektur (MoE). Das Prinzip: Nicht alle Parameter werden bei jeder Anfrage aktiviert. Stattdessen wählt das Modell spezialisierte "Experten" aus — schneller, effizienter, billiger im Betrieb.
Zahlenbox
- 56,22%** — Score auf SWE-Pro (Software-Engineering-Benchmark)
- 57,0%** — Score auf Terminal-Bench 2
- MoE** — Mixture-of-Experts-Architektur
- Open Source** — Gewichte frei auf Hugging Face
Self-Evolving: Was steckt dahinter?
MiniMax M2.7 ist das erste Modell des Unternehmens, das in seinem eigenen Entwicklungszyklus mitgewirkt hat. Das Modell hat sich nicht selbst trainiert — aber es hat aktiv an der Iteration seiner eigenen Fähigkeiten teilgenommen. Ein feiner, aber wichtiger Unterschied. Das verschiebt die Grenze dessen, wie LLMs gebaut werden.
💡 Was das bedeutet
Die SWE-Pro- und Terminal-Bench-Scores sind solide, aber nicht an der Spitze. Interessanter ist der Ansatz: Ein Open-Source-Modell, das seinen eigenen Entwicklungsprozess beschleunigt, könnte die Iterationsgeschwindigkeit für die gesamte Community verändern. MoE-Architekturen sind ohnehin der Trend — und MiniMax liefert jetzt Gewichte zum Runterladen.
✅ Pro
- Vollständig Open Source auf Hugging Face
- MoE-Architektur: effizient im Betrieb
- Self-Evolving-Ansatz zeigt neuen Entwicklungsweg
- Starke SWE-Benchmark-Werte
❌ Con
- MiniMax hat weniger Community-Support als Meta oder Mistral
- Details zur Self-Evolving-Methodik noch dünn
- Benchmark-Werte unter den besten proprietären Modellen
