Китайская MiniMax снова сделала громкий ход на рынке больших моделей: компания выложила в открытый доступ флагманскую MiniMax M2.7, и это сразу стало заметным событием для всего AI-сообщества. Формально модель доступна бесплатно для некоммерческого использования, а для коммерческого применения нужно отдельно обращаться в компанию. Но даже с такими условиями релиз уже выглядит как важная точка в гонке между закрытыми и открытыми системами. Главная причина интереса - масштаб. MiniMax M2.7 содержит 229 миллиардов параметров и заточена не просто под ответы на вопросы, а под агентные сценарии. Это значит, что модель умеет работать как исполнитель цепочки действий, а именно - анализировать задачи, писать код, запускать тесты, сравнивать результаты и принимать решение на основе промежуточных шагов. Для рынка это особенно важно, потому что именно такие системы всё чаще рассматриваются как основа ИИ-агентов следующего поколения. Что показали бенчмарки На тестах модель выступила очень сильно. На SWE-Pro, который измеряет способность решать реальные задачи из GitHub-репозиториев, M2.7 набрала 56,22%. На Terminal Bench 2 результат составил 57,0%. По большинству тестов она обходит Gemini 3.1 Pro, а в отдельных сценариях - даже Claude Opus 4.6 и GPT-5.4. Это не просто очередная красивая цифра для маркетинга. Агентные бенчмарки важны именно потому, что они ближе к реальной работе, чем абстрактные языковые тесты. Если модель умеет не только красиво рассуждать, но и доводить задачу до практического результата, это уже совсем другой уровень полезности. В таком смысле MiniMax M2.7 выглядит не как лабораторный рекорд, а как инструмент, который реально может конкурировать в продакшене. Почему это выделяется Отдельный интерес вызывает то, как именно MiniMax строила разработку модели. По заявлению компании, в процессе обучения сам ИИ использовался как часть цикла улучшения обучения. Система автоматически находила ошибки, предлагала правки и проверяла, сработали ли изменения. Такой подход они называют самоэволюцией. Если это действительно работает так, как описано, то речь идёт не только о сильной модели, но и о сильной методологии. Самообучающиеся и самокорректирующиеся циклы позволяют быстрее добираться до более высокого качества, особенно в агентных задачах, где важны не отдельные ответы, а целые последовательности действий. Иными словами, MiniMax показывает не просто результат, а ещё и способ, как его получать. Почему открытый релиз важен На фоне того, что большинство топовых моделей в индустрии остаются закрытыми, выход 229-миллиардной открытой системы - это заметный сигнал. Открытые веса дают разработчикам свободу, ведь модель можно тестировать, исследовать, адаптировать под свои задачи и строить на её базе собственные продукты. Для корпоративного рынка и исследовательского сообщества это особенно ценно, потому что снижает зависимость от API и внешних ограничений. Схема релиза тоже показательная. Сначала компания дала доступ через API, а спустя почти месяц после анонса выложила веса в открытый доступ. Это уже узнаваемая стратегия MiniMax, где они сначала проверяют интерес и собирают раннюю обратную связь, а потом раскрывают модель шире. Такой подход позволяет одновременно сохранить контроль и подогреть экосистему вокруг продукта. Что это значит для рынка Релиз MiniMax M2.7 ещё раз показывает, что гонка в ИИ давно перестала быть только американской историей. Китайские компании уже не просто догоняют, а в отдельных нишах начинают задавать тон. Особенно это заметно в агентных сценариях, где качество определяется не только языковой мощью, но и способностью модели работать как автономный решатель задач. Для разработчиков это означает больше выбора. Для бизнеса - больше вариантов собрать собственный стек без полной зависимости от закрытых западных платформ. Для рынка в целом это ещё одно подтверждение, что эра больших открытых моделей продолжается, а конкуренция между ними только усиливается.