Une startup chinoise de génération vidéo vient discrètement de surpasser Claude Opus en codage

Alors que le monde de l'IA continuait de regarder OpenAI et Anthropic, un laboratoire chinois a discrètement lancé un modèle qui atteint le haut niveau exigé pour le génie logiciel automatisé. MiniMax, connu jusqu'à récemment pour ses modèles de génération vidéo, a publié M2.7, un modèle de langage qui obtient 56,22 % au benchmark SWE-Pro. L'entreprise affirme que ce résultat est proche de la famille Opus de Claude. minimax-launches-m27-model-with-strong-software-engineering-and-office-productivity-skills

SWE-Pro teste comment un modèle gère des tâches réelles de génie logiciel : corriger des bugs, écrire des correctifs, naviguer dans des bases de code. Seule une poignée de modèles ont dépassé les 50 % sur ce benchmark, et la plupart appartiennent à des laboratoires disposant de budgets bien plus importants. MiniMax, une startup fondée par d'anciens chercheurs de haut niveau de Huawei et Microsoft, joue désormais dans cette ligue. cognitions-swe-17-pushes-coding-agent-cost-performance-further-with-42-benchmark-score

Mais M2.7 ne concerne pas uniquement le code. La fiche technique est dense en affirmations qui couvrent plusieurs domaines : livraison de projet de bout en bout sur VIBE-Pro (55,6 %), compréhension approfondie des systèmes sur Terminal Bench 2 (57,0 %), et un score maximal en productivité bureautique. Sur GDPval-AA, qui mesure la compétence en édition de documents dans Excel, PowerPoint et Word, M2.7 a obtenu un Elo de 1495, le plus élevé parmi les modèles ouverts, selon MiniMax.

Adhérence aux compétences à grande échelle

L'un des chiffres les plus révélateurs dans le dossier marketing de MiniMax est un taux d'adhérence aux compétences de 97 % sur ce que l'entreprise appelle des « compétences complexes », des tâches nécessitant plus de 2 000 tokens d'instructions. Dans un monde où les LLM sont de plus en plus sollicités pour des flux de travail multi-étapes et assistés par des outils, la capacité à suivre des instructions longues et complexes sans hallucination ni dérive peut être plus précieuse qu'un score élevé sur un benchmark mathématique statique. why-your-ai-agent-might-ace-the-task-but-flunk-the-process-enter-skillcoach

MiniMax a également mis en avant les performances sur le benchmark MMClaw, qui évalue les modèles dans le cadre agentique OpenClaw, un bac à sable de plus en plus populaire pour tester comment les modèles interagissent avec des outils logiciels. Sur ce benchmark, M2.7 approche les performances de Sonnet 4.6, l'un des derniers modèles d'Anthropic.

L'entreprise pousse également un récit autour de l'auto-évolution et de la collaboration multi-agents, deux mots à la mode qui, en pratique, renvoient à la capacité du modèle à architecturer son propre Agent Harness et à coordonner des sous-tâches à travers plusieurs appels d'inférence. MiniMax affirme que M2.7 peut construire de manière autonome des Agent Harnesses complexes pour réaliser des tâches de productivité de bout en bout. Si cela est vrai, cela réduirait le besoin pour les ingénieurs de créer manuellement une infrastructure pour chaque nouveau pipeline d'automatisation. recursivemas-scaling-multi-agent-collaboration-through-latent-space-recursion

Deux niveaux, même résultat

MiniMax propose M2.7 en deux niveaux d'inférence : le modèle standard et une variante haute vitesse baptisée M2.7-highspeed. L'entreprise promet une qualité de sortie identique pour les deux, l'édition Highspeed échangeant la latence contre le débit. Les deux niveaux sont accessibles via l'API MiniMax et prennent en charge la mise en cache automatique, une fonctionnalité qui peut réduire considérablement les coûts pour les invites répétées.

Le modèle est également disponible via la propre plateforme agent de MiniMax, ce qui élimine le besoin de codage pour expérimenter avec le modèle. Pour les équipes utilisant déjà des outils de codage IA comme Cursor ou Windsurf, MiniMax propose une intégration directe.

Les prix restent inchangés par rapport aux modèles MiniMax précédents, ce qui positionne M2.7 comme une option potentielle pour les équipes qui souhaitent une génération de code proche de l'état de l'art sans le coût par token des laboratoires occidentaux de premier plan. minimax-launches-m25-a-coding-and-agentic-ai-model-with-state-of-the-art-performance

Une course plus silencieuse

La sortie de M2.7 intervient à un moment où la course aux LLM s'est divisée en deux directions. D'un côté, des laboratoires comme OpenAI et Anthropic rivalisent sur l'intelligence générale, la capacité multimodale et la profondeur des chaînes de raisonnement. De l'autre côté, un nombre croissant de challengers, DeepSeek, Qwen, Mistral, et maintenant MiniMax, se concentrent sur des segments de marché ciblés et à forte valeur ajoutée où un score légèrement inférieur sur un benchmark général est compensé par des performances supérieures sur des tâches spécifiques, un coût inférieur ou une meilleure intégration des outils.

La comparaison explicite avec Claude Opus et Sonnet est un choix tactique. En nommant des noms et en citant des benchmarks, MiniMax dit au marché : vous n'avez pas besoin de payer pour le modèle frontalier le plus cher pour obtenir des performances proches de la frontière sur les tâches qui comptent pour votre équipe d'ingénierie. a-94x-kernel-speedup-and-a-12-hour-paper-replication-what-minimax-m3-reveals-about-chinas-frontier-ai-strategy

Il y a, comme toujours, une question de petits caractères. MiniMax n'a pas publié la méthodologie d'évaluation complète pour ses benchmarks internes, et une vérification indépendante prendra du temps. Mais les chiffres, s'ils sont reproductibles, représentent une étape significative pour un modèle ouvert provenant d'un laboratoire qui, jusqu'à cette semaine, était principalement associé à la vidéo générative plutôt qu'à la génération de code.

Travail de bureau et préservation de l'identité

Au-delà de l'ingénierie, la solide performance de M2.7 en productivité bureautique est remarquable. Le score Elo de 1495 sur GDPval-AA le positionne en tête de nombreux modèles à usage général en édition de documents, un domaine qui, bien que moins éclatant que la génération de code, représente un marché massif. Les entreprises qui dépendent fortement de la génération automatisée de rapports, de la manipulation de feuilles de calcul et de la conception de présentations pourraient trouver M2.7 particulièrement utile.

MiniMax vante également les capacités de « préservation de l'identité » du modèle, une affirmation selon laquelle le modèle maintient un caractère et un ton cohérents tout au long de conversations prolongées, ce que l'entreprise dit ouvrir des possibilités pour le divertissement interactif et les chatbots destinés aux clients nécessitant une cohérence à long terme. the-ai-agent-that-remembers-you-why-vitabench-20-reveals-a-chasm-between-good-chatbots-and-good-collaborators

L'ensemble, pris dans son ensemble, est un modèle que MiniMax entend clairement servir de base d'agent à usage général, et non simplement d'outil de génération de code. La combinaison de scores élevés aux benchmarks de code, de productivité bureautique et de capacité agentique avec une adhérence quasi parfaite aux instructions suggère que le laboratoire voit son avantage concurrentiel non pas dans l'intelligence brute mais dans la fiabilité et l'étendue de l'utilisation des outils.