MLE Bench 66.6% наближається до Gemini 3.1, досягти такого рівня на одному токені з 9.8B параметрів, деталі об’єднання віконного FIFO та префіксного дерева заслуговують на ретельне вивчення, ефективність тренування довгих послідовностей була опанована MiniMax.

Цей документ систематизує технічний звіт серії M2 MiniMax, описує перехід від гібридної лінійної уваги M1 до повної уваги, а також зменшення витрат на тренування за допомогою MTP, маршрутизації Sigmoid, Forge на стороні тренування. Вперше розкривається Forge та механізм самовдосконалення M2.7 для агентського RL довгих послідовностей, що використовує віконний FIFO та об’єднання з префіксним деревом, що дозволяє збільшити швидкість тренування до 40 разів на довгих послідовностях. Самовдосконалювальний замкнутий цикл M2.7 може виконати понад 100 раундів аналізу, редагування коду, запуску тестів та відкату, що підвищує ефективність приблизно на 30%. При 9.8 мільярдів параметрів на один токен, SWE-Pro досягає 56.22%, MLE Bench — 66.6%, що близько до Gemini 3.1.