MiniMax M2.7: Open-Source-Agentenmodell erreicht 56,22% auf SWE-Pro

MiniMax hat das Open-Source-Agentenmodell M2.7 veröffentlicht, das auf dem SWE-Pro-Benchmark mit 56,22% nahe an Claude Opus 4.6 liegt und auf SWE-bench Verified mit 78% sogar Anthropics Flaggschiffmodell übertrifft. Das Modell basiert auf dem OpenClaw Agent Harness Framework, verfügt über 10 Milliarden aktivierte Parameter und soll sich durch über 100 autonome Optimierungsiterationen um 30% verbessert haben. Zudem erreicht M2.7 eine MLE-Bench Lite Medaillenrate von 66,6%, vergleichbar mit Gemini 3.1, und weist laut Sekundärquellen mit einem GDPval-AA ELO-Score von 1495 den höchsten Wert unter Open-Source-Modellen auf.

Für Entwicklerteams und CTOs ist der Kostenfaktor von M2.7 besonders attraktiv, da MiniMax angibt, dass das Modell rund 100 Token pro Sekunde verarbeitet und bei API-Nutzung deutlich günstiger ist als proprietäre Alternativen – bis zu 50x beim Input und 12x beim Output im Vergleich zu Opus 4.6. Diese Herstellerangaben zu den Kostenverhältnissen unterstreichen das Effizienzpotenzial für großskalige Anwendungen. Das Modell überzeugt zudem durch eine 97%ige Skill-Adherence über 40 Tasks mit jeweils über 2.000 Tokens, was für komplexe Unternehmens-Workflows von Bedeutung ist. Mit einem Terminal-Bench-2-Score von 57,0% setzt sich M2.7 deutlich vom Vorgängermodell M2.5 (42,2%) ab und bestätigt seine Stärke in systemnahen Aufgaben.

Ob M2.7 proprietäre Coding-Assistenten im Unternehmenskontext vollständig ersetzen kann, lässt sich ohne weiterführende Unternehmensstudien nicht abschließend beurteilen. Dennoch machen die starken Benchmark-Werte M2.7 zu einer ernstzunehmenden Alternative, insbesondere für Teams, die Wert auf Kontrolle über das Modell-Deployment und Datensouveränität legen. Dieser Aspekt gewinnt im Kontext des EU AI Act und der DSGVO-Anforderungen an Drittlandtransfers zunehmend an Bedeutung.