> 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 en local MiniMax-M2.7 est un nouveau modèle ouvert pour les cas d’usage de codage agentique et de chat. Le modèle atteint des performances SOTA dans SWE-Pro (56,22 %) et Terminal Bench 2 (57,0 %). Le **230B paramètres** (10B actifs) le modèle est le successeur de [MiniMax-M25](/docs/fr/modeles/tutorials/minimax-m25.md) et a une **fenêtre de contexte de 200K** fenêtre. Le bf16 non quantifié nécessite **457 Go**. Unsloth Dynamic **4 bits** GGUF réduit la taille à **108 Go** **(-60%)** afin qu’il puisse fonctionner sur un **128 Go de RAM** appareil**:** [**GGUF MiniMax-M2.7**](https://huggingface.co/unsloth/MiniMax-M2.7-GGUF) Tous les téléversements utilisent Unsloth [Dynamique 2.0](/docs/fr/bases/unsloth-dynamic-2.0-ggufs.md) pour des performances de quantification SOTA — ainsi les couches importantes sont remontées 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 avec 128 Go de mémoire unifiée** pour \~15+ jetons/s, et fonctionne aussi plus vite avec un **GPU 1x16 Go et 96 Go de RAM** pour 25+ jetons/s. **2 bits** les quants ou le plus gros modèle 2 bits tiendront sur un appareil de 96 Go. Pour une performance proche de **précision complète**, utilisez `Q8_0` (8 bits) qui utilise 243 Go et tiendra sur un appareil / Mac avec 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 de modèle quantifié que vous téléchargez. Si ce n'est pas le cas, llama.cpp peut quand même 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) | | --------------------------------------------- | | `temperature = 1.0` | | `top_p = 0,95` | | `top_k = 40` | | {% endcolumn %} | {% column %} * **Fenêtre de contexte maximale :** `196,608` * Invite système par défaut : {% code overflow="wrap" %} ``` Vous êtes un assistant utile. Votre nom est MiniMax-M2.7 et vous avez été créé par MiniMax. ``` {% endcode %} {% endcolumn %} {% endcolumns %} ## Tutoriels pour exécuter MiniMax-M2.7 : Pour faire fonctionner MiniMax-M2.7 sur un appareil avec 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 maintenant exécuter MiniMax-M2.7 en [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 mauvaises sorties. NVIDIA travaille sur un correctif. {% endhint %} ### 🦥 Exécuter dans Unsloth Studio MiniMax-M2.7 peut désormais s’exécuter en [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 * [**Appels d'outils auto-réparateurs** appels 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](/docs/fr/nouveau/studio.md#model-arena) réglage des paramètres (temp, top-p, etc.) * Utilise llama.cpp pour une inférence rapide CPU + GPU et le déchargement 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 Lors du 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 les 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/bases/troubleshooting-and-faqs/hugging-face-hub-xet-debugging.md) Puis allez dans l’ [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, veuillez donc 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, mais vous pouvez toujours les modifier manuellement. Vous pouvez également modifier la longueur du contexte, le modèle de chat et d’autres paramètres. Pour plus d'informations, vous pouvez consulter notre [guide d'inférence 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 mauvaises sorties. NVIDIA travaille sur un correctif. {% endhint %} {% stepper %} {% step %} Obtenez la dernière `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 voulez 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` pour charger directement les modèles, vous pouvez faire ce qui suit : (: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 enregistrer à un emplacement spécifique. N’oubliez pas que le modèle a une longueur de contexte maximale de seulement 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 la taille et la précision. Si les téléchargements se bloquent, consultez [Débogage de Hugging Face Hub et XET](/docs/fr/bases/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 du contexte, `--n-gpu-layers 2` pour le déchargement GPU sur le nombre de couches. Essayez d'ajuster ce paramètre si votre GPU manque de mémoire. Supprimez-le aussi si vous n'avez qu'une inférence 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 via : {% 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 %} Puis, dans un nouveau terminal, après avoir effectué `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": "Create a Snake game."},], ) print(completion.choices[0].message.content) ``` {% endcode %} ## 📊 Benchmarks ### Benchmarks GGUF Voici les benchmarks KLD 99 % pour MiniMax-M2.7. En bas à gauche, c’est mieux :
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 ferons donc également référence 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 **les quantifications GGUF d’Unsloth** sur un **ensemble mixte de 750 prompts** (LiveCodeBench v6, MMLU Pro, GPQA, Math500), en indiquant à la fois **la précision globale** et **l'augmentation relative du taux d'erreur** (à quelle fréquence le modèle quantifié fait des erreurs par rapport à l'original). Les quantifications Unsloth, quelle que soit leur précision, donnent de bien meilleurs résultats que leurs équivalents non-Unsloth, tant en précision qu’en erreur relative (bien qu’elles soient 8 Go plus petites). **Résultats clés :** * **Le 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 obtiennent des résultats très proches (\~64,5–64,9 de précision).**\ `IQ4_NL`, `MXFP4_MOE`et `UD-IQ2_XXS` sont toutes à peu près de la même qualité sur ce benchmark, avec **\~33–35 %** plus d’erreurs que l’original. * Les GGUF d’Unsloth donnent de bien meilleurs résultats que les autres GGUF non-Unsloth, par exemple voir `lmstudio-community - Q4_K_M` (bien qu’ils soient 8 Go plus petits) 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 dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` 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 optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. 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.