MiniMax M2.7 오픈소스 공개, 230B MoE로 자기 진화하는 에이전트 모델

무슨 일이 있었나

중국 AI 스타트업 MiniMax가 M2.7 모델을 오픈소스로 풀었어. 230B 파라미터에 토큰당 10B만 활성화하는 MoE 구조이고, HuggingFace에서 가중치를 바로 받을 수 있어. 256개 전문가 중 8개만 동시에 돌리는 구조라 추론 비용이 낮은 게 포인트야.

코딩 에이전트 벤치마크에서 눈에 띄는 숫자가 나왔어. SWE-Pro에서 56.22%, Terminal Bench 2에서 57.0%를 기록했거든. VIBE-Pro(프로젝트 전체 전달 능력)도 55.6%야. API 가격은 입력 $0.30, 출력 $1.20(100만 토큰 기준)으로 Claude나 GPT 대비 상당히 저렴해.

왜 중요할까

이 모델의 차별점은 “자기 진화(self-evolving)” 구조야. M2.7은 자기 메모리 업데이트, 학습 스킬 구축, 학습 과정 개선에 직접 참여해. 쉽게 말하면 모델이 자기 훈련 파이프라인의 일부를 스스로 조율한다는 거야. 200K 컨텍스트 윈도우에 체인 오브 소트 추론도 지원해.

앞으로 볼 점

로컬 LLM 커뮤니티에서는 이미 GGUF 양자화 버전으로 게임 개발 벤치마크까지 돌려보고 있어. 다만 230B 모델이니 로컬 실행에는 고사양 GPU가 필요하고, SWE-Pro나 Terminal Bench 2 같은 벤치마크는 아직 독립 검증이 충분하지 않다는 점은 감안해야 해. Qwen 3.5나 Gemma 4와 비교하는 테스트가 계속 나오고 있으니, 로컬 에이전트 모델을 찾고 있다면 지켜볼 만해.