Minimax 2.7
MinimaxÉquilibré
RaisonnementOutils
À propos de ce modèle
MiniMax-M2.7 is a next-generation large language model designed for autonomous, real-world productivity and continuous improvement. Built to actively participate in its own evolution, M2.7 integrates advanced agentic capabilities through multi-agent...
Catégorie de performance
Équilibré
Minimax 2.7 est un modèle équilibré de Minimax : un bon compromis entre bonnes performances à un prix raisonnable.
Bon rapport coût-performance. Fiable pour la plupart des usages professionnels sans tarification premium.
Tarification
Ce modèle est inclus dans les plans ElosiaAbordable
Coût réduit. Adapté à un usage soutenu et aux interactions volumineuses.
| Type | par 1M tokens |
|---|---|
| Entrée (prompt) | $0.300 |
| Sortie (complétion) | $1.20 |
| Lecture cache | $0.060 |
Capacités
Taille du contexte205K
Tokens de sortie max131K
TokenizerOther
Entréetext
Sortietext
Date de sortie18 mars 2026
Benchmarks
Intelligence générale
MMLU
Non reporté
Mathématiques
MATH-500
Non reporté
Programmation
HumanEval
Non reporté
Agentique
SWE-bench Pro
56.2%
Terminal-Bench 2.0
57%
VIBE-Pro
55.6%
Multi SWE Bench
52.7%
Où se situe Minimax 2.7 ?
Comparez son indice de performance à tous les autres modèles.
Usages recommandés
ProgrammationAnalyseRechercheExtraction de données
Points forts
- Codage agentique de pointe (SWE-Pro 56,2%, Terminal-Bench 57,0%)
- Capacité de livraison de projets complets (VIBE-Pro 55,6%)
- Modèle auto-évolutif avec des capacités autonomes de recherche
- Extrêmement rentable à 0,30$/1,20$ par M tokens avec 205K de contexte
Limites
- Aucun benchmark académique classique publié (MMLU, GPQA, MATH)
- Texte uniquement — pas de support multimodal
- Communauté et écosystème plus restreints par rapport à Claude/GPT/Gemini
Questions fréquentes
Ressources
Ce modèle peut utiliser vos données pour l'entraînement
