MiniMax lança modelo de IA que se otimizou sozinho no treino

A startup chinesa MiniMax apresentou o M2.7, modelo de linguagem que usou loops de otimização autônoma durante o próprio treinamento. O ganho interno reportado foi de 30%. Na prática, o M2.7 não dependeu exclusivamente de dados externos para melhorar. Parte do refinamento foi conduzida pelo próprio modelo, que ajustou parâmetros e avaliou resultados de forma iterativa. A empresa chamou essa capacidade de “auto-evolução”.

Modelos anteriores da MiniMax, como o M2 e o M2.1, já focavam em programação e fluxos de trabalho com agentes, usando arquitetura Mixture-of-Experts para equilibrar custo e desempenho. O M2.7 avançou nesses pontos: apresentou resultados próximos do topo em benchmarks de código, com depuração mais rápida e melhor resolução de tarefas complexas de desenvolvimento. O modelo compete diretamente com GPT-4o e Claude em engenharia de software.

Projetado para execução, não conversa

A diferença de propósito é clara. Enquanto a maioria dos modelos de linguagem são otimizados para diálogo, o M2.7 foi projetado para completar tarefas de ponta a ponta. Consegue gerar relatórios, apresentações e análises seguindo instruções com precisão alta. O modelo também traz suporte nativo a múltiplos agentes, o que permite que várias instâncias colaborem numa mesma tarefa complexa.

A principal novidade do M2.7 não é o benchmark. É o método. Se modelos conseguem melhorar a si mesmos durante o treinamento, o ciclo de desenvolvimento muda. Em vez de depender de equipes humanas para cada rodada de ajuste fino, o próprio sistema assume parte desse trabalho. O M2.7 é mais um passo na direção de modelos que não precisam ser treinados de fora para evoluir.

Fonte: MiniMax, anúncio de lançamento do M2.7, março de 2026.

MiniMax lança modelo de IA que se otimizou sozinho no treino

Projetado para execução, não conversa

Assuntos

continue lendo