> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/fr/modeles/tutorials/minimax-m27.md). # MiniMax-M2.7 - comment l'exécuter localement Exécutez localement le LLM MiniMax-M2.7 sur votre propre appareil ! MiniMax-M2.7 est un nouveau modèle open source pour les cas d’usage de codage agentique et de chat. Le modèle atteint des performances SOTA sur SWE-Pro (56,22 %) et Terminal Bench 2 (57,0 %). Le **230B de paramètres** Le modèle (10B actifs) est le successeur de [MiniMax-M25](/docs/fr/modeles/tutorials/minimax-m25.md) et dispose d’une **fenêtre de contexte de 200K** fenêtre. Le bf16 non quantifié nécessite **457GB**Unsloth Dynamic **4 bits** GGUF réduit la taille à **108 Go** **(-60%)** afin qu’il puisse s’exécuter sur un **appareil avec 128 Go de RAM** appareil**:** [**GGUF MiniMax-M2.7**](https://huggingface.co/unsloth/MiniMax-M2.7-GGUF) Tous les téléversements utilisent Unsloth [Dynamic 2.0](/docs/fr/notions-de-base/dynamic-3.0-ggufs.md) pour des performances de quantification SOTA — ainsi, les couches importantes sont converties vers des bits plus élevés (par ex. 8 ou 16 bits). Merci à MiniMax pour l’accès dès le jour zéro. {% hint style="success" %} Nouveaux benchmarks GGUF de MiniMax-M2.7 disponibles ! [Voir ici](#gguf-benchmarks) {% endhint %} ### :gear: Guide d’utilisation La quantification dynamique 4 bits `UD-IQ4_XS` utilise **108 Go** d’espace disque — cela tient parfaitement sur un **Mac à mémoire unifiée de 128 Go** pour \~15+ jetons/s, et fonctionne aussi plus vite avec un **GPU 1x16 Go et 96 Go de RAM** pour 25+ jetons/s. **2-bit** les quantifications ou le plus grand modèle en 2 bits tiendront sur un appareil de 96 Go. Pour presque **précision complète**, utilisez `Q8_0` (8 bits) qui utilise 243 Go et tiendra sur un appareil / Mac doté de 256 Go de RAM pour 15+ jetons/s. {% hint style="success" %} Pour de meilleures performances, assurez-vous que votre mémoire totale disponible (VRAM + RAM système) dépasse la taille du fichier du modèle quantifié que vous téléchargez. Si ce n’est pas le cas, llama.cpp peut toujours fonctionner via un déchargement SSD/HDD, mais l’inférence sera plus lente. {% endhint %} ### Paramètres recommandés MiniMax recommande d’utiliser les paramètres suivants pour de meilleures performances : `temperature=1.0`, `top_p = 0.95`, `top_k = 40`. {% columns %} {% column %} | Paramètres par défaut (la plupart des tâches) | | --------------------------------------------- | | `température = 1.0` | | `top_p = 0.95` | | `top_k = 40` | | {% endcolumn %} | {% column %} * **Fenêtre contextuelle maximale :** `196,608` * Invite système par défaut : {% code overflow="wrap" %} ``` Vous êtes un assistant utile. Votre nom est MiniMax-M2.7 et il a été créé par MiniMax. ``` {% endcode %} {% endcolumn %} {% endcolumns %} ## Tutoriels pour exécuter MiniMax-M2.7 : Pour faire fonctionner MiniMax-M2.7 sur un appareil doté de 128 Go de RAM, nous utiliserons la quantification 4 bits [`UD-IQ4_XS` quant](https://huggingface.co/unsloth/MiniMax-M2.7-GGUF?show_file_info=UD-IQ4_XS%2FMiniMax-M2.7-UD-IQ4_XS-00001-of-00004.gguf). Vous pouvez désormais exécuter MiniMax-M2.7 dans [llama.cpp](#run-in-llama.cpp) et [Unsloth Studio](#run-in-unsloth-studio). {% hint style="warning" %} N’utilisez PAS CUDA 13.2 pour exécuter un modèle, car cela peut provoquer du charabia ou de mauvais résultats. NVIDIA travaille sur un correctif. {% endhint %} ### 🦥 Exécuter dans Unsloth Studio MiniMax-M2.7 peut désormais s’exécuter dans [Unsloth Studio](/docs/fr/nouveau/studio.md), notre nouvelle interface web open source pour l’IA locale. Unsloth Studio vous permet d’exécuter des modèles localement sur **macOS, Windows**, Linux et : {% columns %} {% column %} * Rechercher, télécharger, [exécuter des GGUF](/docs/fr/nouveau/studio.md#run-models-locally) et des modèles safetensor * [**Auto-réparation** appel d’outils](/docs/fr/nouveau/studio.md#execute-code--heal-tool-calling) + **recherche web** * [**exécution de code**](/docs/fr/nouveau/studio.md#run-models-locally) (Python, Bash) * [Inférence automatique](https://unsloth.ai/docs/desktop#feature-deep-dive) réglage des paramètres (temp, top-p, etc.) * Utilise llama.cpp pour une inférence rapide sur CPU + GPU et le déchargement vers le CPU {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %} {% stepper %} {% step %} #### Installer Unsloth Exécutez dans votre terminal : **MacOS, Linux, WSL :** ```bash curl -fsSL https://unsloth.ai/install.sh | sh ``` **Windows PowerShell :** ```bash irm https://unsloth.ai/install.ps1 | iex ``` {% endstep %} {% step %} #### Lancer Unsloth **MacOS, Linux, WSL et Windows :** ```bash unsloth studio -H 0.0.0.0 -p 8888 ``` **Puis ouvrez `http://localhost:8888` dans votre navigateur.** {% endstep %} {% step %} #### Recherchez et téléchargez MiniMax-M2.7 Au premier lancement, vous devrez créer un mot de passe pour sécuriser votre compte et vous reconnecter plus tard. Vous verrez ensuite un bref assistant d'intégration pour choisir un modèle, un jeu de données et des paramètres de base. Vous pouvez le passer à tout moment. Vous pouvez choisir `UD-IQ4_XS` (quantification dynamique 4 bits) ou d’autres versions quantifiées comme `UD-Q4_K_XL` . Si les téléchargements se bloquent, voir [Débogage de Hugging Face Hub et XET](/docs/fr/notions-de-base/troubleshooting-and-faqs/hugging-face-hub-xet-debugging.md) Ensuite, allez dans l’onglet [Unsloth Chat](/docs/fr/nouveau/studio/chat.md) onglet et recherchez MiniMax-M2.7 dans la barre de recherche, puis téléchargez le modèle et la quantification souhaités. Le téléchargement prendra un certain temps en raison de la taille, alors veuillez patienter. Pour garantir une inférence rapide, assurez-vous d’avoir [suffisamment de RAM/VRAM](#usage-guide), sinon l’inférence fonctionnera toujours, mais Unsloth déchargera vers votre CPU.
{% endstep %} {% step %} #### Exécuter MiniMax-M2.7 Les paramètres d’inférence devraient être définis automatiquement lors de l’utilisation d’Unsloth Studio, cependant vous pouvez toujours les modifier manuellement. Vous pouvez aussi modifier la longueur du contexte, le modèle de chat et d’autres paramètres. Pour plus d’informations, vous pouvez consulter notre [guide d’inférence d’Unsloth Studio](/docs/fr/nouveau/studio/chat.md). {% endstep %} {% endstepper %} ### ✨ Exécuter dans llama.cpp {% hint style="warning" %} N’utilisez PAS CUDA 13.2 pour exécuter un modèle, car cela peut provoquer du charabia ou de mauvais résultats. NVIDIA travaille sur un correctif. {% endhint %} {% stepper %} {% step %} Obtenez la dernière version `llama.cpp` sur [GitHub ici](https://github.com/ggml-org/llama.cpp). Vous pouvez également suivre les instructions de compilation ci-dessous. Modifiez `-DGGML_CUDA=ON` à `-DGGML_CUDA=OFF` si vous n'avez pas de GPU ou si vous souhaitez simplement une inférence CPU. **Pour les appareils Apple Mac / Metal**, définissez `-DGGML_CUDA=OFF` puis continuez comme d'habitude - la prise en charge de Metal est activée par défaut. {% code overflow="wrap" %} ```bash apt-get update apt-get install pciutils build-essential cmake curl libcurl4-openssl-dev -y git clone https://github.com/ggml-org/llama.cpp cmake llama.cpp -B llama.cpp/build \ -DBUILD_SHARED_LIBS=OFF -DGGML_CUDA=ON cmake --build llama.cpp/build --config Release -j --clean-first --target llama-cli llama-mtmd-cli llama-server llama-gguf-split cp llama.cpp/build/bin/llama-* llama.cpp ``` {% endcode %} {% endstep %} {% step %} Si vous souhaitez utiliser `llama.cpp` directement pour charger des modèles, vous pouvez faire comme ci-dessous : (:IQ4\_XS) est le type de quantification. Vous pouvez aussi télécharger via Hugging Face (point 3). C’est similaire à `ollama run` . Utilisez `export LLAMA_CACHE="folder"` pour forcer `llama.cpp` pour l’enregistrer à un emplacement spécifique. N’oubliez pas que le modèle a uniquement une longueur de contexte maximale de 200K. Suivez ceci pour **la plupart des valeurs par défaut** cas d'utilisation : ```bash export LLAMA_CACHE="unsloth/MiniMax-M2.7-GGUF" ./llama.cpp/llama-cli \ -hf unsloth/MiniMax-M2.7-GGUF:UD-IQ4_XS \ --temp 1.0 \ --top-p 0.95 \ --top-k 40 ``` {% endstep %} {% step %} Téléchargez le modèle (après avoir installé `pip install huggingface_hub hf_transfer`). Vous pouvez choisir UD-IQ4\_XS (quantification dynamique 4 bits) ou d’autres versions quantifiées comme `UD-Q6_K_XL` . Nous recommandons d’utiliser notre quantification dynamique 4 bits UD-IQ4\_XS pour équilibrer taille et précision. Si les téléchargements se bloquent, voir [Débogage de Hugging Face Hub et XET](/docs/fr/notions-de-base/troubleshooting-and-faqs/hugging-face-hub-xet-debugging.md) ```bash hf download unsloth/MiniMax-M2.7-GGUF \ --local-dir unsloth/MiniMax-M2.7-GGUF \ --include "*UD-IQ4_XS*" # Utilisez "*Q8_0*" pour 8 bits ``` {% endstep %} {% step %} Vous pouvez modifier `--threads 32` pour le nombre de threads CPU, `--ctx-size 16384` pour la longueur de contexte, `--n-gpu-layers 2` pour le déchargement GPU de combien de couches. Essayez de l'ajuster si votre GPU manque de mémoire. Supprimez-le aussi si vous faites une inférence uniquement CPU. {% code overflow="wrap" %} ```bash ./llama.cpp/llama-cli \ --model unsloth/MiniMax-M2.7-GGUF/UD-IQ4_XS/MiniMax-M2.7-UD-IQ4_XS-00001-of-00004.gguf \ --temp 1.0 \ --top-p 0.95 \ --top-k 40 ``` {% endcode %} {% endstep %} {% endstepper %} #### 🦙 Llama-server et la bibliothèque de complétion d'OpenAI Pour déployer MiniMax-M2.7 en production, nous utilisons `llama-server` ou l’API OpenAI. Dans un nouveau terminal, par exemple via tmux, déployez le modèle avec : {% code overflow="wrap" %} ```bash ./llama.cpp/llama-server \ --model unsloth/MiniMax-M2.7-GGUF/UD-IQ4_XS/MiniMax-M2.7-UD-IQ4_XS-00001-of-00004.gguf \ --alias "unsloth/MiniMax-M2.7" \ --prio 3 \ --temp 1.0 \ --top-p 0.95 \ --min-p 0.01 \ --top-k 40 \", --port 8001 ``` {% endcode %} Ensuite, dans un nouveau terminal, après avoir exécuté `pip install openai`, faites : {% code overflow="wrap" %} ```python from openai import OpenAI import json openai_client = OpenAI( base_url = "http://127.0.0.1:8001/v1", api_key = "sk-no-key-required", ) completion = openai_client.chat.completions.create( model = "unsloth/MiniMax-M2.7", messages = [{"role": "user", "content": "Créez un jeu Snake."},], ) print(completion.choices[0].message.content) ``` {% endcode %} ## 📊 Benchmarks ### Benchmarks GGUF Voici les benchmarks KLD à 99 % pour MiniMax-M2.7. En bas à gauche, c’est meilleur :
Comme MiniMax-M2.7 utilise la même architecture que MiniMax-M2.5, les benchmarks de quantification GGUF pour M2.7 devraient être très similaires à ceux de M2.5. Nous nous référerons donc aussi au benchmark de quantification précédent réalisé pour M2.5 :
[Benjamin Marie (tiers) a benchmarké](https://x.com/bnjmn_marie/status/2027043753484021810/photo/1) **MiniMax-M2.5** en utilisant **Quantifications GGUF d’Unsloth** sur un **suite mixte de 750 invites** (LiveCodeBench v6, MMLU Pro, GPQA, Math500), en rapportant à la fois **la précision globale** et **l’augmentation relative de l’erreur** (à quel point le modèle quantifié fait plus souvent des erreurs que l’original). Les quantifications Unsloth, quelle que soit leur précision, fonctionnent bien mieux que leurs équivalents non-Unsloth, tant en précision qu’en erreur relative (malgré une taille inférieure de 8 Go). **Résultats clés :** * **Meilleur compromis qualité/taille ici : `unsloth UD-Q4_K_XL`.**\ C’est le plus proche de l’original : seulement **6,0 points** de moins, et « seulement » **+22.8%** plus d’erreurs que la référence. * **Les autres quantifications Q4 d’Unsloth se tiennent très près (\~64,5–64,9 de précision).**\ `IQ4_NL`, `MXFP4_MOE`et `UD-IQ2_XXS` ont pratiquement tous la même qualité sur ce benchmark, avec **\~33–35 %** plus d’erreurs que l’original. * Les GGUFs d’Unsloth fonctionnent bien mieux que les autres GGUFs non-Unsloth, par ex. voir `lmstudio-community - Q4_K_M` (malgré une taille inférieure de 8 Go) et `AesSedai - IQ3_S`. ### Benchmarks officiels
--- # 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 by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://unsloth.ai/docs/fr/modeles/tutorials/minimax-m27.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. 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.