MiniMaxが推論モデル「M2.7」公開、強化学習工程の最大5割をAI自ら担当

エンジニアがAIに仕事を奪われるという話は珍しくなくなりましたが、AIが自らを開発する研究者の業務を肩代わりし始めました。

中国のAIスタートアップMiniMaxは、推論特化型の独自大規模言語モデル「M2.7」を発表しました。最大の特徴は、モデル自身が自らの強化学習開発プロセスの30%から50%を自律的に担っている点です。

ログ監視からバグ修正まで自律ループを実行

AIモデルの開発現場では、ログ解析やデバッグ、実験メトリクスの追跡といった泥臭い作業が研究者の時間を奪っています。

MiniMaxの強化学習チームでは、研究者が実験のアイデアを提示すると、M2.7が先行研究の確認やデータパイプラインの構築、実験の立ち上げを代行します。実験中も自らログを監視して異常を検知し、コードの修正やマージリクエスト、動作確認テストまで自律的に実行します。人間の介入は重要な判断のみに絞られています。

モデルが自らの動作環境を改良する実験では、M2.7が「失敗分析、修正、評価、採否判定」のサイクルを100回以上自律的に繰り返し、内部評価セットの性能を30%向上させました。本番環境の障害対応でも、復旧時間を3分未満に短縮した実績を持ちます。

大手モデルに迫るスコアと破格の価格設定

ベンチマーク性能においても、M2.7は世界のトップモデルと肩を並べています。

OpenAIが公開した機械学習コンペ基準「MLE Bench Lite」において、M2.7は平均メダル獲得率66.6%を記録しました。これはGemini 3.1と同等で、Claude Opus 4.6の75.7%やGPT-5.4の71.2%に迫る数値です。最良の試行では金メダル9個、銀メダル5個、銅メダル1個を獲得しました。

ソフトウェア開発ベンチマークのSWE-Proでは56.22%を記録し、GPT-5.3-Codexに匹敵します。外部報告によると幻覚率は34%とされ、Claude Sonnet 4.6やGemini 3.1 Proよりも低い水準に抑えられています。価格はMiniMax APIおよびOpenRouter経由で、入力100万トークンあたり0.30ドルとなっています。

なぜ重要か

今回の発表で最も注目すべきは、AIによる自己改善という概念が、すでに実際の開発現場で運用段階に入っている点です。

開発者にとって、入力100万トークンあたり0.30ドルという価格設定は非常に魅力的です。システム監視やログ分析、再現性の確認といった長時間のSRE業務を任せる用途なら、今すぐAPI経由で試す価値が十分にあります。

業界全体にとっても、研究開発のスピード感が根本から変わるきっかけになり得ます。モデル自身が実験プロセスの半分を回せるようになれば、限られた人数のスタートアップであっても、巨大テック企業に近い頻度でモデルの反復改善を実行できるようになります。

ただし懸念点もあります。AIに自己最適化ループを委ねすぎると、人間が把握しきれない局所的な最適化や潜在的なバグが紛れ込むリスクがあります。意思決定の効率化とブラックボックス化の防止をどう両立させるかが、今後の大きな課題になると考えられます。