MiniMax M2.7 完全レビュー：自己進化するオープンモデルで変わるエージェント開発
結論から言うと、MiniMax M2.7（minimax-m2.7）は「コーディングやマルチエージェント自動化を、クローズドモデルのごく一部のコストで回したい」という用途にはっきり応えられるオープンウェイトモデルです。エージェント設計に特化した訓練プロセスと MoE の推論効率が組み合わさり、ベンチマーク上でも独立テストでも上位クローズドモデルに肉迫する結果を出しています。一方で、日本語の公開評価データは乏しく、商用利用にはライセンス確認が必要です。用途が合えば、試す価値は十分あります。
概要
MiniMax M2.7 は、上海を拠点とする AI スタートアップ MiniMax が 2026 年 3 月 18 日にリリースしたオープンウェイトモデルです。Mixture of Experts（MoE）アーキテクチャを採用し、総パラメータ数は 230B ですが、推論時にアクティブなパラメータは 10B（256 エキスパートから選択）に限られるため、高いコスト効率を実現しています。コンテキストウィンドウは約 200K トークンで、ツール呼び出しや関数コールにも対応します。
最大の特徴は「自己進化」です。同社が開発したエージェントフレームワーク OpenClaw のもとで、訓練中に 100 回以上のスキャフォールド最適化ラウンドを自律的に実行し、人手を介さず内部評価で 30% の性能向上を達成したと報告されています。MiniMax シリーズで自身の訓練プロセスに積極的に参加した初のモデルです。モデルウェイトは公開されており自己ホスティングも可能ですが、ライセンスは非商用（商用利用には別途 MiniMax との契約が必要）です。
強み
- コーディング・エージェント系ベンチマークで高評価：SWE-Pro 56.22%、Terminal Bench 2 57.0%、SWE-bench Verified 78% を記録。Artificial Analysis Intelligence Index は 50 で、オープンウェイトモデルの中央値 31 を大きく上回ります。
- コスト効率が際立つ：Kilo 社の独立テストでは、Claude Opus 4.6 と比較して品質を 90% 維持しながらコストは約 7% に抑えられたという報告があります。
- マルチエージェント連携向けの設計：役割境界・対立推論・プロトコル遵守など、エージェント協調に必要な能力をアーキテクチャレベルで組み込み。社内評価 MM Claw では 40 の複雑スキルに対して 97% の準拠率・全体精度 62.7% を達成しています。
- 推論速度は実用域：46.5 トークン/秒（Artificial Analysis 計測）、初回レスポンスまでの時間は 2.28 秒。
- オープンウェイト：ウェイトが公開されており、自己ホスティング・ファインチューニングの検討が可能です。
弱み・注意点
- ライセンス制約がある：非商用ライセンスのため、商用本番利用には MiniMax との別途契約が必要です。PoC・研究目的の利用と本番運用では扱いが異なる点に注意してください。
- 日本語の公開ベンチマークは未確認：日本語特化の評価データが現時点で公開されていないため、日本語タスクの品質は実プロンプトでの確認が必須です。
- 汎用コーディングでは差が出る：BenchLM の計測によると、コーディング総合スコアは Claude Sonnet 4.5 の 77.2 に対して M2.7 は 53.7 という報告があります。エージェント特化の強みがある一方、汎用的なコード補完では見劣りする場面があります。
- 出力が冗長になることがある：複数のレビューで「やや verbose」との指摘があります。出力フォーマットをプロンプトで明示することで改善できます。
- VIBE-coding では先行モデルから後退：M2.5 と比較して VIBE コーディングのサブスコアが低下しているという報告もあります。コーディング特化で比較検討する場合は M2.5 との使い分けも選択肢です。
他モデルとの比較
| モデル | SWE-Pro | SWE-bench Verified | エージェントスコア | 特徴 |
|---|---|---|---|---|
| MiniMax M2.7 | 56.22% | 78% | 57.0（BenchLM） | エージェント特化・低コスト |
| Claude Opus 4.6 | 同程度（参考） | 55%（参考） | 55.3（BenchLM） | 高品質・高コスト |
| Claude Sonnet 4.5 | — | — | — | 汎用コーディングで優位 |
※ 各社・各ツールで測定条件が異なるため、数値は傾向の参考にとどめてください。
コスト感
FastMetal では円建てのプリペイド方式で利用できます。API の具体的な単価は料金ページでご確認ください。MiniMax M2.7 はオープンウェイトモデルの中でも低コストな部類に入り、エージェントループを大量に回す用途や、コストを抑えながら品質を検証したい PoC フェーズで特に強みを発揮します。
日本語での使い勝手
公式・サードパーティともに、日本語に特化したベンチマーク結果は現時点では確認できませんでした。訓練データは英語・中国語が主体と考えられるため、日本語の自然さや語彙の正確さは他言語と比べてばらつきが出る可能性があります。一方、コーディングやツール呼び出しなど「出力が構造化されるタスク」は言語依存が低く、品質のブレが出にくい傾向があります。日本語の文章生成を本番に採用する場合は、実際のドメインと想定ユーザーに合わせたプロンプトで品質を確認してから判断することをおすすめします。
向いている用途・向かない用途
- 向いている — マルチエージェント自動化、コーディングアシスト・デバッグ、ソフトウェアテスト生成、複雑な多段階ツール呼び出し、コストを抑えた PoC・研究、SWE 系タスクのベンチマーク比較
- 向かない — 高品質な日本語文章生成（要実機検証）、商用本番利用での無契約運用、汎用的な対話・創作タスクでのフロンティアモデル代替
よくある質問
Q. MiniMax M2.7 は商用プロジェクトで使えますか？ A. モデルウェイトは非商用ライセンスで公開されています。自社で自己ホスティングして商用利用する場合は MiniMax との別途契約が必要です。FastMetal の API 経由での利用には FastMetal の利用規約が適用されます。
Q. MiniMax M2.7 と M1（Text-01）は何が違うのですか？ A. Text-01（M1）は 456B パラメータ・最大 4M トークンコンテキストの大規模汎用モデルです。M2.7 は 230B（アクティブ 10B）と小さく、エージェント・コーディングに特化した自己進化を持つ次世代モデルです。コスト効率重視なら M2.7、超長文コンテキストが必要なら M1 が候補です。
Q. 200K トークンのコンテキストはどんな場面で活きますか？ A. 大規模コードベースの全体読み込み、複数ドキュメントを横断するエージェント処理、長大なログ解析など、1 リクエストに多くの情報を詰め込む用途に有効です。コンテキストが長くなるほど速度や品質が変化する場合があるため、実データでの検証をおすすめします。
FastMetal で試す
curl https://api.fastmetal.ai/v1/chat/completions \
-H "Authorization: Bearer $FASTMETAL_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "minimax-m2.7",
"messages": [{"role": "user", "content": "こんにちは"}]
}'