La compañía presenta su primer sistema con capacidades de autoevolución, capaz de mejorar su propio aprendizaje y ejecutar hasta el 50% del trabajo en entornos reales. Un avance que anticipa una nueva era de IA autónoma.
La carrera por desarrollar modelos de inteligencia artificial más avanzados acaba de entrar en una nueva fase. La empresa MiniMax anunció el lanzamiento de M2.7, un modelo que no solo ejecuta tareas complejas, sino que también participa activamente en su propia evolución.
El concepto es tan ambicioso como disruptivo: sistemas capaces de mejorar su arquitectura, optimizar su rendimiento y redefinir sus capacidades sin intervención humana directa. Según la compañía, este modelo marca “el inicio de un ciclo de autoevolución”.
Un modelo que aprende… y se reprograma
A diferencia de generaciones anteriores, M2.7 fue diseñado para operar como un sistema de agentes colaborativos. Durante su desarrollo, el modelo pudo actualizar su propia memoria, crear habilidades complejas y ajustar sus procesos de aprendizaje en función de los resultados obtenidos.
Este enfoque le permitió ejecutar tareas que tradicionalmente requerían múltiples equipos humanos. En entornos reales de investigación, M2.7 puede gestionar entre el 30% y el 50% del flujo de trabajo, incluyendo revisión bibliográfica, ejecución de experimentos, análisis de métricas y corrección de código.
El sistema sigue ciclos iterativos completamente autónomos:
“analizar fallos → planificar cambios → modificar el entorno → evaluar resultados → decidir si mantener o revertir”, repitiendo este proceso durante más de 100 iteraciones.
El resultado: mejoras de rendimiento de hasta 30% en evaluaciones internas.
Rendimiento cercano al estado del arte
En términos de desempeño técnico, M2.7 compite directamente con los modelos más avanzados del mercado. En la prueba SWE-Pro, centrada en ingeniería de software, alcanzó una precisión de 56,22%, acercándose a los niveles más altos disponibles.
Otros indicadores refuerzan esta posición:
- VIBE-Pro (proyectos completos): 55,6%
- Terminal Bench 2 (sistemas complejos): 57,0%
- SWE Multilingual: 76,5
- Multi SWE Bench: 52,7
Además, en el benchmark de productividad profesional GDPval-AA, el modelo logró una puntuación ELO de 1495, la más alta entre modelos de código abierto.
Estos números reflejan una evolución clara: la IA ya no solo genera código, sino que entiende sistemas completos, toma decisiones y ejecuta tareas de principio a fin.
De asistentes a equipos autónomos
Uno de los avances más relevantes es la introducción de “Equipos de Agentes”, donde múltiples instancias del modelo colaboran bajo roles definidos. En este esquema, la IA no solo ejecuta instrucciones, sino que también:
- Detecta errores en otros agentes
- Cuestiona decisiones
- Opera bajo protocolos complejos
- Toma decisiones autónomas
Este cambio implica una transición desde asistentes individuales hacia estructuras organizacionales completas impulsadas por IA.
Autoevolución en competencia real
MiniMax también puso a prueba a M2.7 en 22 competiciones de machine learning del entorno MLE Bench Lite, utilizando una sola GPU A30.
En ciclos de 24 horas de evolución autónoma, el modelo logró:
- 9 medallas de oro
- 5 de plata
- 1 de bronce
Con una tasa promedio de éxito del 66,6%, comparable con modelos líderes como GPT-5.4 y Gemini-3.1.
Impacto en el mundo empresarial
Más allá del laboratorio, el modelo muestra aplicaciones concretas en entornos productivos. En escenarios de incidentes en sistemas en vivo, M2.7 logró reducir tiempos de resolución a menos de tres minutos, combinando análisis de métricas, debugging y decisiones de arquitectura en tiempo real.
También demuestra capacidades avanzadas en tareas de oficina: puede generar informes, modelos financieros y presentaciones completas, actuando como un analista junior que se autocorrige en múltiples iteraciones.
El próximo paso: IA totalmente autónoma
El objetivo final de MiniMax es claro: avanzar hacia sistemas capaces de gestionar todo el ciclo de desarrollo de inteligencia artificial sin intervención humana, incluyendo:
- Construcción de datasets
- Entrenamiento de modelos
- Evaluación
- Optimización de arquitectura
En palabras de la compañía, la industria se dirige hacia una “autonomía total”.
Un cambio de paradigma
El lanzamiento de M2.7 no es solo una mejora incremental. Representa un cambio estructural en cómo se concibe la inteligencia artificial: de herramienta a sistema autónomo capaz de evolucionar.
En un contexto donde actores como OpenAI, Google y Anthropic compiten por liderar el desarrollo de modelos avanzados, la propuesta de MiniMax introduce una variable clave: la capacidad de auto-mejora.
Si este enfoque escala, el impacto no será solo tecnológico, sino también organizacional y económico. Porque cuando las máquinas empiezan a optimizarse a sí mismas, la velocidad de innovación deja de depender exclusivamente de los humanos.
Y eso redefine completamente el juego.