MiniMax M2.7: Tolok Ukur AI Multimodal yang Berkembang Sendiri

Startup China MiniMax baru saja merilis MiniMax M2.7, LLM penalaran yang benar-benar mengajari dirinya sendiri. Tanpa campur tangan manusia. Ia secara otonom mengolah 30-50% alur kerja reinforcement learning — debugging kode, menyesuaikan parameter lebih dari 100+ iterasi. Lihat, AI agentic bukan hal baru. Tapi ini? Evolusi diri supercharged. Bagi kreator yang bergulat dengan pipeline generatif, itu berarti iterasi lebih cepat pada output gambar dan video. Kurang mengawasi prompt. Hasil lebih halus. VentureBeat menyebutkannya: seimbang dengan Gemini 3.1 di 66.6% pada MLE Bench Lite. Unggul dalam biaya di $0.30 per juta token input. Plot twist — model China sudah mengalahkan Barat? Saya pikir kita akan menikmati perjalanan liar.

Intinya: Kecerdasan agentic M2.7 memangkas biaya dalam alur kerja generatif. Bayangkan agen AI menyempurnakan prompt di tengah proses generasi, mendeteksi cacat pada klip video sebelum rendering. Penalaran multimodal — teks, gambar, video, bahkan suara dan musik — memberdayakan alat yang lebih pintar. Kemajuan seperti ini sudah mendukung pembuatan video NSFW yang terkendali, di mana agen mengoptimalkan kualitas tanpa trial-and-error tak berujung. Jujur saja — ini menantang stack Barat yang membengkak. Kreator dapat pipeline skalabel. Batch gambar volume tinggi? Rantai video? Biaya turun. Efisiensi melonjak. Tapi apakah Big Tech Barat sadar?

Bandingkan dengan M2.5, rilis sebelumnya MiniMax. M2.7 mengalahkannya dengan skor SWE-Pro lebih baik (56%) dan ketahanan halusinasi. Pendahulu butuh pengawasan lebih banyak. Yang ini? Berjalan solo. Rival seperti Gemini 3.1 menyamai benchmark tapi boros token. Claude? Solid, tapi lebih mahal untuk skala besar. $0.30/M input M2.7? Murah banget. Bagi pro video gen yang memproduksi klip massal, itu akhir permainan. Opini panas: Lupakan 'inovasi Amerika.' MiniMax membuktikan kompetisi terbuka melahirkan efisiensi. Model Barat? Kejar atau tertinggal.