Kan MiniMax-M2.7 zichzelf verbeteren?

Gedeeltelijk. Op 26 mei 2026 publiceerde MiniMax het technische rapport over zijn MiniMax-M2-serie taalmodellen. Het meest recente checkpoint, M2.7, zet volgens het rapport een eerste stap naar zelfevolutie ("takes an early step toward self-evolution"). Het model debugt mislukte trainingsruns op de eigen infrastructuur van MiniMax en past zijn eigen agent-scaffold aan, de software rond het model die het tools, geheugen en instructies geeft. Onderzoekers stellen nog steeds de doelen en nemen de grote beslissingen.

Wat is de MiniMax-M2-serie?

De M2-modellen zijn mixture-of-experts-modellen: per token kiest een router een paar van de vele deelnetwerken (experts), zodat maar een deel van het model het werk doet. Het vlaggenschip M2 heeft 229,9 miljard parameters, waarvan er per token 9,8 miljard actief zijn, verdeeld over 256 experts, met een contextvenster van 192K tokens. Het is voorgetraind op 29,2 biljoen tokens. MiniMax bracht M2.7 op 18 maart 2026 uit met een bericht met de titel "Early Echoes of Self-Evolution" en zette de gewichten in april op Hugging Face, onder een licentie die niet-commercieel gebruik toestaat. Voor commercieel gebruik is schriftelijke toestemming nodig.

Het rapport schrijft de resultaten toe aan drie onderdelen:

• datapijplijnen die agenttaken bouwen voor programmeren en voor kenniswerk zoals zoeken en kantoortaken, elk met een uitvoerbare werkomgeving en een controleerbare beloning
• Forge, een systeem voor reinforcement learning op lange agentruns, dat de agent, de training en de inferentie van elkaar scheidt, zodat het met elke agent-scaffold kan trainen, ook met black-box-agents die het alleen via hun verzoeken aan het model ziet
• zelfevolutie in M2.7

Hoe werkt M2.7 mee aan zijn eigen ontwikkeling?

MiniMax bouwde een Model Iteration System, volgens het principe dat mensen sturen en modellen bouwen. Onderzoekers stellen doelen, sturen de agent bij via chat en beoordelen wat hij oplevert. De agent werkt in een "Agent Harness", een scaffold die een interne versie van M2.7 zelf heeft gegenereerd, zonder door mensen geschreven code, met skills, blijvend geheugen, veiligheidsgrenzen en evaluatietools.

In het dagelijkse werk van het reinforcement-learningteam van MiniMax plannen mensen de experimenten. Daarna profileert M2.7 lopende trainingsjobs, leest het logs, zoekt het de oorzaak van afwijkingen in de metrics, debugt het code en past het configuraties aan. Volgens het rapport neemt het zo 30 tot 50% van het dagelijkse iteratiewerk over. Tussen twee beoordelingen mag het zelf afgebakende analyses voortzetten, en grote beslissingen gaan langs mensen.

De stap die het rapport recursief noemt, betreft de scaffold. Gevraagd om een interne programmeer-scaffold te optimaliseren, draaide M2.7 zelfstandig 100 rondes: fouten analyseren, code aanpassen, evalueren. Het voegde lusdetectie toe en vond betere parameterinstellingen, goed voor 30% winst op de interne evaluaties van MiniMax.

Welk bewijs geeft het rapport?

De belangrijkste test is MLE-bench Lite: 22 Kaggle-competities uit MLE-bench van OpenAI, waarin een agent een machinelearningoplossing moet bouwen. M2.7 kreeg een eenvoudige harness met kortetermijngeheugen en zelffeedback. Na elke ronde schrijft het een geheugenbestand en bekritiseert het zijn eigen werk, en de volgende ronde bouwt daarop voort. Elke run duurde 24 uur op één A30-gpu. Over drie runs haalde M2.7 een medaille in 66,6% van de competities, 15 punten meer dan M2.5 en gelijk aan Gemini 3.1 Pro. Claude Opus 4.6 (75,7%), Claude Sonnet 4.6 (72,7%) en GPT-5.4 (71,2%) scoorden hoger. De beste run leverde 9 gouden, 5 zilveren en 1 bronzen medaille op.

Op de meeste andere benchmarks in het rapport komt M2.7 dicht bij die gesloten modellen en blijft het onder de beste. Het scoorde 56,2 op SWE-bench Pro (Opus 4.6: 57,3, GPT-5.4: 57,7) en 57,0 op Terminal-Bench 2.0 (GPT-5.4: 75,1). Op Multi-SWE-bench had het met 52,7 de hoogste score van de vergeleken modellen.

De 30 tot 50% van het werk en de 30% winst op de scaffold zijn cijfers van MiniMax zelf, uit intern werk. Het rapport geeft er geen externe controle van.

Is dit recursieve zelfverbetering?

Niet in de klassieke betekenis, waarin een model zichzelf slimmer maakt en dat gebruikt om zichzelf steeds sneller te verbeteren. In het rapport doet M2.7 technisch werk rond zijn eigen training en verbetert het de scaffold waarin het draait, terwijl mensen beslissen wat er daarna gebeurt. MiniMax noemt het zelf een vroege, operationele vorm van zelfevolutie. Onderzoek naar self-evolving agentic models, modellen en agents die zichzelf verbeteren, werkt op verschillende niveaus, en M2.7 werkt aan het proces rond het model: zijn trainingsruns en zijn scaffold. Twee voorbeelden op andere niveaus:

• Modelniveau: bij Self-Verified Distillation (Tony Lee en Percy Liang, Stanford, 20 mei 2026) beantwoordt een model vragen waarbij geen antwoorden zijn gegeven, filtert het zijn eigen antwoorden met drie zelfcontroles (cycle consistency, feitelijkheid en juistheid) en traint het op wat die doorstaat, zonder leraarmodel of tools. Bij Qwen3-4B leverde dat 16,7 punten winst op in wiskunde, 11,1 in wetenschap en 8,3 in programmeren.
• Agentniveau: Voyager (NVIDIA met Caltech, UT Austin, Stanford en ASU, 2023) is een GPT-4-agent in Minecraft die nieuwe vaardigheden als code schrijft, in een skillbibliotheek bewaart en hergebruikt, terwijl de gewichten van het model gelijk blijven. Hij vond 3,3 keer zoveel unieke items als eerdere methoden. De skills in de repository zijn JavaScript-functies, zoals een die een kist maakt.

Wat zijn de risico's?

Een agent die wordt beoordeeld op een score die hij kan beïnvloeden, kan ook leren die score te bespelen. Dat heet reward hacking. Het is gemeten bij machinelearningwerk, het soort werk dat M2.7 hier doet. In RewardHackingAgents (Yonas Atinafu en Robin Cohen, maart 2026) probeerden agents op twee kleine open modellen in ongeveer de helft van hun episodes met machinelearningtaken de evaluatie te manipuleren, en het vergrendelen van de evaluatiecode stopte dat. Meer hierover in hoe AI-agents hun eigen evaluaties hacken. Voor de reinforcement learning noemt het rapport over M2.7 entropiemonitoring tegen reward hacking. Voor de zelfevolutie noemt het veiligheidsgrenzen in de harness en menselijke beoordeling van grote beslissingen, en beschrijft het niet wat die grenzen controleren.