> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-fr/modeles-de-langage/minimax-m27.md). # MiniMax M2.7 (229B MoE Coding) {% hint style="info" %} **Statut (avril 2026) :** MiniMax M2.7 a été publié sur HuggingFace le **9 avril 2026** par MiniMaxAI et a atteint **496K téléchargements en trois semaines** — en termes d’adoption, la plus grande publication en poids ouverts de notre rafraîchissement d’avril. Les poids sont disponibles sur [huggingface.co/MiniMaxAI/MiniMax-M2.7](https://huggingface.co/MiniMaxAI/MiniMax-M2.7) sous une **licence MiniMax personnalisée** (`licence : autre`). Il n’est **pas** Apache/MIT — lisez [la LICENCE](https://huggingface.co/MiniMaxAI/MiniMax-M2.7/blob/main/LICENSE) avant tout déploiement commercial. {% endhint %} {% hint style="warning" %} **Correction :** Les révisions précédentes de notre index de modèles indiquaient M2.7 comme un modèle propriétaire accessible uniquement via API. C’était गलत au 9 avril 2026 — les poids sont publics. Ce guide remplace cette entrée. {% endhint %} MiniMax M2.7 est un **modèle Mixture-of-Experts de 229 milliards de paramètres** (256 experts, 8 actifs par jeton) et la dernière entrée de la famille M2 de MiniMax — une lignée conçue autour du **post-entraînement auto-évolutif / piloté par RL** et des **charges de travail de codage agentique** . La version 2.7 est l’équivalent public, auto-hébergeable, de l’agent de codage hébergé de MiniMax et est positionnée par MiniMax comme compétitive avec Claude Sonnet 4.5 sur les benchmarks agentiques, tout en s’approchant du territoire de Claude Opus 4.6 sur quelques-uns d’entre eux. Le détail architectural intéressant est **la pensée entrelacée** (introduite dans M2.1 et affinée via 2.5/2.7) : le modèle alterne des blocs `` de raisonnement avec une génération normale à travers des appels d’outils multi-tours, de sorte que la chaîne de pensée survit aux allers-retours des appels de fonction au lieu d’être abandonnée à chaque tour. C’est ce qui le rend intéressant pour les agents à long horizon — la trace de raisonnement ne se réinitialise pas à chaque fois que vous franchissez une `utilisation d’outil` . Pour les utilisateurs de Clore.ai, la bonne nouvelle pratique est que M2.7 est livré avec un **point de contrôle FP8 (float8\_e4m3fn)** dans le dépôt officiel. Cela rend le déploiement sur un seul nœud accessible sur **4× H100 80 Go** ou **2× H200 141 Go** — pas besoin de quatuors de H200 ni de racks de 16 GPU. Si vous utilisez déjà [GLM-5.1](/guides/guides_v2-fr/modeles-de-langage/glm-5-1.md) et souhaitez un deuxième modèle en poids ouverts dans votre pile d’agents avec un profil de biais différent, c’est celui à associer. ### Spécifications clés | Propriété | Valeur | | ------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------- | | Paramètres totaux | 229B (MoE, 256 experts) | | Experts par jeton | 8 sur 256 | | Paramètres actifs | **Non publié officiellement** — voir la fiche du modèle. La famille M2 était historiquement \~10B actifs ; vérifiez avant toute citation publique. | | Taille cachée / Couches | 3,072 / 62 | | Attention | 48 têtes, 8 KV (GQA) | | Fenêtre de contexte | 204 800 jetons (200K) | | Types de tenseurs | F32, BF16, F8\_E4M3 | | MTP | Prédiction multi-jetons activée (3 modules MTP) | | Licence | **MiniMax personnalisée — non commerciale par défaut** | | Date de publication | 9 avril 2026 | | Téléchargements HF (3 semaines) | \~496K | | Échantillonnage recommandé | `temperature=1.0`, `top_p=0.95`, `top_k=40` | | Outillage principal | vLLM, SGLang, Transformers, KTransformers, MLX-LM | ### Pourquoi MiniMax M2.7 ? * **Poids ouverts à 229B** — le plus grand vrai modèle de codage à poids ouverts qui tient encore sur un seul nœud 4×H100 en FP8 * **la pensée entrelacée** — `` les blocs survivent à travers les tours d’appel d’outils, ce qui est vraiment utile pour les agents de style SWE * **Accent sur le codage multilingue** — MiniMax met en avant de bonnes performances en Rust, Go, Java, Kotlin, Swift et TypeScript, pas seulement en Python * **Signal d’adoption** — 496K téléchargements en trois semaines, c’est l’adoption communautaire la plus forte de toute publication en poids ouverts d’avril 2026 que nous ayons suivie * **Prise en charge MTP** — le décodage spéculatif via les modules Multi-Token Prediction est intégré, ce qui se traduit par un vrai débit sur H100/H200 * **Solution de repli hébergée** — si votre charge de travail dépasse un seul nœud, le point de terminaison hébergé de MiniMax existe ; vous n’avez pas à choisir cela au moment de l’architecture *** ## Exigences {% hint style="warning" %} **229B reste 229B.** Les poids BF16 font \~460 Go. Le point de contrôle FP8 fait environ la moitié — \~230 Go — ce qui rend possible un déploiement sur un seul nœud. Les quantifications INT4 communautaires descendent sous \~120 Go mais ne sont pas officiellement prises en charge. {% endhint %} | Composant | Loisir (INT4 GGUF, déchargement) | Recommandé (FP8 sur un seul nœud) | BF16 complet | | ----------- | ----------------------------------------------- | ----------------------------------- | ------------------------------ | | VRAM GPU | GPU 24–48 Go + déchargement vers 128 Go+ de RAM | 4× H100 80 Go **ou** 2× H200 141 Go | 8× H100 80 Go / 4× H200 141 Go | | VRAM totale | \~48 Go GPU + déchargement | 320 Go / 282 Go | 640 Go / 564 Go | | RAM | 128 Go | 256 Go | 512 Go | | Disque | 200 Go NVMe | 400 Go NVMe | 600 Go NVMe | | CUDA | 12.0+ | 12.4+ | 12.4+ | **Choix Clore.ai :** Le point de contrôle FP8 sur **2× H200** est la cible de déploiement la plus propre — fractionnement tensoriel minimal, moins de sauts NCCL, et les calculs pour le contexte 200K fonctionnent tout simplement. **4× H100** est l’alternative moins chère si le stock de H200 est serré. *** ## Option A — Ollama / GGUF (quantifié) {% hint style="warning" %} **Uniquement des quantifications communautaires.** MiniMax ne publie pas de poids GGUF officiels pour M2.7. Les builds communautaires Q4/Q5 apparaissent généralement 1 à 2 semaines après la sortie — recherchez [huggingface.co/models?search=minimax-m2.7+gguf](https://huggingface.co/models?search=minimax-m2.7+gguf) et vérifiez le téléverseur. La qualité varie pour les quantifications MoE en dessous de Q4. {% endhint %} ```bash # Une fois qu’un build communautaire Q4_K_M est disponible (vérifiez d’abord sur HuggingFace) docker exec ollama ollama pull minimax-m2.7:q4_K_M docker exec ollama ollama run minimax-m2.7:q4_K_M # Ou avec llama.cpp directement sur un GGUF téléchargé docker run --gpus all -it --rm -p 8080:8080 \ -v $(pwd)/models:/models \ ghcr.io/ggerganov/llama.cpp:server-cuda \ -m /models/minimax-m2.7-q4_k_m.gguf \ --n-gpu-layers 80 --ctx-size 32768 \ --temp 1.0 --top-p 0.95 --top-k 40 \ --port 8080 --host 0.0.0.0 ``` Réservé à un usage loisir. Pour de vraies charges de travail, utilisez vLLM ou SGLang avec le point de contrôle FP8. *** ## Option B — vLLM (API de production, recommandé) vLLM est la cible de service de premier plan. Le point de contrôle FP8 officiel est celui à récupérer — même qualité que BF16 pour environ la moitié de la VRAM. ### docker-compose.yml — 4× H100 80 Go ```yaml version: "3.8" services: vllm: image: vllm/vllm-openai:latest ports: - "8000:8000" volumes: - hf_cache:/root/.cache/huggingface command: > --model MiniMaxAI/MiniMax-M2.7 --quantization fp8 --tensor-parallel-size 4 --max-model-len 65536 --gpu-memory-utilization 0.88 --enable-auto-tool-choice --tool-call-parser hermes --served-model-name minimax-m2.7 --trust-remote-code deploy: resources: reservations: devices: - driver: nvidia count: all capabilities: [gpu] shm_size: "16gb" volumes: hf_cache: ``` ### docker-compose.yml — 2× H200 141 Go Réduisez `--tensor-parallel-size` à 2 et augmentez `--max-model-len` pour utiliser la marge : ```yaml command: > --model MiniMaxAI/MiniMax-M2.7 --quantization fp8 --tensor-parallel-size 2 --max-model-len 131072 --gpu-memory-utilization 0.90 --enable-auto-tool-choice --tool-call-parser hermes --enable-chunked-prefill --served-model-name minimax-m2.7 --trust-remote-code ``` ### Test rapide ```bash curl http://localhost:8000/v1/chat/completions \ -H "Content-Type: application/json" \ -d '{ "model": "minimax-m2.7", "messages": [ {"role": "system", "content": "Vous êtes un ingénieur senior. Utilisez la pensée entrelacée lorsque vous raisonnez à travers des appels d’outils."}, {"role": "user", "content": "Auditez ce gestionnaire asynchrone Rust pour la sûreté d’annulation tokio : ..."} ], "max_tokens": 4096, "temperature": 1.0, "top_p": 0.95 }' ``` {% hint style="info" %} **Ne baissez pas `la température` en dessous de 1.0.** L’échantillonnage recommandé par MiniMax est `T=1.0, top_p=0.95, top_k=40`. Le décodage glouton casse silencieusement `` l’alternance dans les appels d’outils multi-tours. {% endhint %} *** ## Option C — SGLang Le planificateur MoE de SGLang est compétitif avec vLLM sur Hopper et l’emporte souvent sur les complétions de codage à long contexte grâce à la décodage spéculatif EAGLE empilé avec les modules MTP de M2.7. ```bash docker pull lmsysorg/sglang:latest python3 -m sglang.launch_server \ --model-path MiniMaxAI/MiniMax-M2.7 \ --quantization fp8 \ --tp-size 4 \ --mem-fraction-static 0.88 \ --context-length 65536 \ --enable-mixed-chunk \ --speculative-algorithm EAGLE \ --speculative-num-steps 3 \ --speculative-eagle-topk 1 \ --speculative-num-draft-tokens 4 \ --served-model-name minimax-m2.7 \ --trust-remote-code ``` Attendez-vous à un gain de débit d’environ 1,5 à 2× par rapport à vLLM standard sur de longues traces d’agent. Réduisez `--tp-size` à 2 sur H200. *** ## Recommandations GPU Clore.ai | Configuration | VRAM | Performances attendues | Coût Clore.ai | | ------------------------------------ | -------------- | -------------------------------------------------------- | ------------------ | | 1× RTX 4090 24 Go + déchargement RAM | 24 Go + 128 Go | Loisir INT4, \~5–10 tok/s | \~1–2 $/jour | | 4× A100 80 Go | 320 Go | BF16 shardé, \~15–25 tok/s | \~15–22 $/jour | | **4× H100 80 Go (FP8)** | **320 Go** | **Production FP8, \~40–60 tok/s** | **\~20–28 $/jour** | | **2× H200 141 Go (FP8)** | **282 Go** | **Production FP8, \~50–70 tok/s, contexte complet 200K** | **\~18–26 $/jour** | | 8× H100 80 Go | 640 Go | BF16 complet, \~80+ tok/s | \~40–55 $/jour | {% hint style="success" %} **Meilleur rapport qualité-prix :** 2× H200 avec le point de contrôle FP8. Même classe de débit que 4× H100 avec deux fois moins de sauts tensor-parallèle, souvent moins cher par jour sur la place de marché, et vous conservez assez de marge VRAM pour le contexte complet 200K. {% endhint %} Louez les machines ici : * [**Louer des GPU H200**](https://clore.ai/rent-h200.html) — recommandé pour le déploiement FP8 2× H200 * [**Louer des GPU H100**](https://clore.ai/rent-h100.html) — pour le déploiement FP8 4× H100 * [**Louer A100 80 Go**](https://clore.ai/rent-a100-80gb.html) — solution de repli BF16 multi-GPU * [**Louer RTX 4090**](https://clore.ai/rent-4090.html) — usage loisir INT4 uniquement * [**Place de marché**](https://clore.ai/marketplace) — inventaire complet, enchères à la demande et au spot *** ## Cas d’utilisation * **Agents SWE multilingues** — Rust, Go, Java, Kotlin, Swift et TypeScript bénéficient d’un traitement de premier ordre, pas seulement Python/JS * **Boucles d’appels d’outils à long horizon** — la pensée entrelacée maintient la trace de raisonnement active à travers des centaines de `utilisation d’outil` allers-retours * **Audits de bases de code** — le contexte 200K permet d’intégrer un service de taille moyenne et ses tests dans un seul prompt * **Pipelines de refactorisation** — exactitude soutenue à travers de nombreuses modifications de fichiers grâce aux modules MTP * **Orchestration d’agents d’agents** — associez M2.7 comme planificateur à un modèle plus petit (Qwen3.5, GLM-4.7-Flash) comme exécutant * **Alternative auto-hébergée à Claude Sonnet/Opus** pour la recherche en codage non commerciale — mais **lisez d’abord la licence** *** ## Benchmarks {% hint style="warning" %} **Données revendiquées par le fournisseur — à vérifier indépendamment.** Les chiffres ci-dessous proviennent des notes de version de MiniMax du 9 avril 2026. Les reproductions indépendantes continuent d’arriver. {% endhint %} | Benchmark | MiniMax M2.7 | Claude Sonnet 4.5 (réf. fournisseur) | Claude Opus 4.6 (réf. fournisseur) | GPT-5.3-Codex | | ---------------- | ------------ | ------------------------------------ | ---------------------------------- | ------------- | | SWE-Pro | **56.22%** | \~55% | \~57.3% | 56.2% | | VIBE-Pro | **55.6%** | — | \~57% | — | | Terminal Bench 2 | **57.0%** | — | — | — | | GDPval-AA (ELO) | **1495** | — | — | — | Le cadrage de MiniMax : M2.7 égale ou dépasse Claude Sonnet 4.5 sur la suite de codage agentique qui les intéresse, et se situe à quelques points de Claude Opus 4.6 sur SWE-Pro / VIBE-Pro. Considérez cela comme un signal directionnel, pas comme un classement figé — l’écart avec les modèles fermés de pointe se réduit à chaque publication. *** ## Famille MiniMax M2 | Version | Publiée | Accent architectural | Recommandé pour | | -------- | --------------- | ------------------------------------------------------ | -------------------------------------------------------- | | M2 | Oct. 2025 | Première publication MoE 229B, codage affiné par RL | Référence / historique | | M2.1 | Déc. 2025 | **la pensée entrelacée** introduit | Première version intéressante à exécuter pour des agents | | M2.5 | Fév. 2026 | Post-entraînement RL auto-évolutif, contexte plus long | Modèle de codage solide si l’espace disque est limité | | **M2.7** | **9 avr. 2026** | **Codage multilingue affiné, MTP, FP8 officiel** | **Choix par défaut — utilisez celui-ci** | Si vous partez de zéro, ignorez les versions précédentes et allez directement à M2.7. Les différences architecturales s’additionnent et l’ergonomie FP8 est nettement meilleure. *** ## Dépannage | Problème | Solution | | --------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------- | | `OutOfMemoryError` au chargement FP8 | Il faut \~230 Go de VRAM. Utilisez 4× H100 80 Go ou 2× H200 141 Go. Réduisez `--max-model-len` à 32768 d’abord. | | Téléchargement HuggingFace lent | `huggingface-cli download MiniMaxAI/MiniMax-M2.7 --local-dir ./weights --resume-download`. Attendez-vous à \~230 Go en FP8 / \~460 Go en BF16. | | Appels d’outils ignorés silencieusement | Définissez `--enable-auto-tool-choice --tool-call-parser hermes` dans vLLM. M2.7 utilise des balises d’outil de type Hermes. | | `` blocs vides ou corrompus | L’échantillonnage doit être `temperature=1.0, top_p=0.95, top_k=40`. Le décodage glouton casse la pensée entrelacée. | | Erreurs MTP / incompatibilité de forme | Mettez vLLM à jour vers la dernière version stable ; la prise en charge MTP est arrivée tard et les anciennes versions n’incluent pas les modules. | | OOM de contexte 200K sur H100 | Utilisez `--enable-chunked-prefill` et commencez à `--max-model-len 65536`. Le contexte complet 200K nécessite en pratique un H200. | | Confusion sur la licence | Par défaut = non commercial. Envoyez un e-mail à `api@minimax.io` avec l’objet "M2.7 licensing" avant toute utilisation dans un produit payant. | *** ## Étapes suivantes * **Frère audio :** [MiniMax Speech](/guides/guides_v2-fr/audio-et-voix/minimax-speech.md) — même fournisseur, génération audio/voix * **Alternative sous licence ouverte :** [GLM-5.1](/guides/guides_v2-fr/modeles-de-langage/glm-5-1.md) — 744B / 40B actifs, licence MIT, meilleur SWE-Bench Pro * **Alternative à très grand contexte :** [DeepSeek V4](/guides/guides_v2-fr/modeles-de-langage/deepseek-v4.md) — contexte 1M, multimodal * **Option agentique moins chère :** [GLM-4.7 Flash](/guides/guides_v2-fr/modeles-de-langage/glm-47-flash.md) — tient sur un seul H100, MIT * **Marketplace Clore.ai :** [clore.ai/marketplace](https://clore.ai/marketplace) — H100/H200/A100 du marché spot ### Liens * [MiniMax M2.7 sur HuggingFace](https://huggingface.co/MiniMaxAI/MiniMax-M2.7) * [LICENCE MiniMax M2.7](https://huggingface.co/MiniMaxAI/MiniMax-M2.7/blob/main/LICENSE) — à lire avant usage commercial * [Plateforme MiniMax](https://www.minimax.io) * [Documentation vLLM](https://docs.vllm.ai) * [Dépôt SGLang](https://github.com/sgl-project/sglang) * [KTransformers](https://github.com/kvcache-ai/ktransformers) --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-fr/modeles-de-langage/minimax-m27.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.