MiniMax M2.7 は、Anthropic 互換のエンドポイントを備えて Novita AI で利用可能です。これにより、4 つの環境変数を設定するだけで、他の変更を加えることなく Claude Code に組み込むことができます。入力コストは 100 万トークンあたり 0.3 ドルで、Claude Opus 4.6 の約 23 分の 1 のコストです。さらに、このモデルは 40 以上の同時ツールに対して 97% のツール呼び出し精度を維持します。このガイドでは、正確な設定方法、確認済みの仕様、コスト計算、そして導入前に知っておくべきトレードオフについて説明します。
クイックアンサー: Claude Code を起動する前に、
ANTHROPIC_BASE_URL=https://api.novita.ai/anthropic、ANTHROPIC_AUTH_TOKEN=<your key>、ANTHROPIC_MODEL=minimax/minimax-m2.7を設定してください。これで統合は完了です。
M2.7 が Claude Code のバックエンドとして機能する理由
Claude Code は、すべてのファイル読み取り、ターミナルコマンド、編集をツール呼び出しを通じてルーティングします。その背後にあるモデルは、単純なプロンプトだけでなく、長く複数ステップにわたるセッション全体でこれらのツールを確実に呼び出す能力が必要です。
M2.7 の最大の特長は、各定義が 2,000 トークンを超える 40 以上の同時ツールに対して 97% のスキル追従精度を達成していることです。これは、Claude Code のツールサーフェスである Read、Write、Edit、Bash、Glob、Grep、WebFetch などに直接対応します。ツールの追従が弱いモデルでは、セッション中にパラメータが欠落したり、誤った関数が呼び出されたりしますが、M2.7 はその精度を維持します。
もう 1 つの重要な数値はコンテキストウィンドウで、204,800 トークンです。これにより、大規模なコードベース、会話履歴、ツールの結果を、タスクの途中で強制的に圧縮することなくコンテキスト内に保持できます。
M2.7 が Claude Code で優れている点:
- 持続的なツールチェーンを必要とする複数ファイルのリファクタリング
- 本番環境でのデバッグワークフロー（ログ分析 → データベースクエリ → 修正）
- SWE-Bench 形式のタスク：SWE-Bench Pro で 56.2%、Multi-SWE-Bench で 52.7%
- 役割一貫性のあるマルチターン推論を必要とするエージェントワークフロー
- 多くの同時セッションを実行するコスト重視のチーム
期待値を調整すべき点:
- テキストのみの入力モダリティ（画像やファイルのアップロードは不可）
- 204,800 トークンのコンテキストは大きいが、M3 の 100 万トークンには及ばない
- セルフホストデプロイには大規模な GPU が必要 – 現実的なパスは API アクセス
Novita AI における MiniMax M2.7 API 仕様
| フィールド | 値 |
|---|---|
| モデル ID | minimax/minimax-m2.7 |
| Anthropic ベース URL | https://api.novita.ai/anthropic |
| OpenAI ベース URL | https://api.novita.ai/openai/v1 |
| コンテキストウィンドウ | 204,800 トークン |
| 最大出力 | 131,072 トークン |
| 入力モダリティ | テキスト |
| 出力モダリティ | テキスト |
| サポート機能 | 関数呼び出し、構造化出力、推論、JSON モード、Anthropic API 互換 |
| 入力料金 | 100 万トークンあたり $0.30 |
| 出力料金 | 100 万トークンあたり $1.20 |
| キャッシュ読み取り料金 | 100 万トークンあたり $0.06 |
| 確認日 | 2026-07-03、出典：Novita AI モデルページ および Novita 上の MiniMax M2.7 |
Anthropic 互換エンドポイント（/anthropic）が Claude Code で使用されます。OpenAI 互換エンドポイントは、直接 API 呼び出しや他のツールに使用できます。
ステップ 1: Novita AI API キーを取得する
- novita.ai にアクセスし、アカウントを作成します（無料登録）
- Settings → API Keys に移動します
- Create New Key をクリックし、名前を付け（例：
claude-code-m2.7）、キーをコピーします - キーをソースコード、公開リポジトリ、共有ノートブックに保存しないでください
環境変数として保存し、どこにもハードコードしないようにします：
export NOVITA_API_KEY="your_key_here"
ステップ 2: Claude Code をインストールする
すでに Claude Code がインストールされている場合は、ステップ 3 に進んでください。
macOS、Linux、または WSL の場合：
curl -fsSL https://claude.ai/install.sh | bash
Windows PowerShell の場合：
irm https://claude.ai/install.ps1 | iex
Windows CMD の場合：
curl -fsSL https://claude.ai/install.cmd -o install.cmd && install.cmd && del install.cmd
Windows ユーザーは、事前に Git for Windows をインストールする必要があります。
インストールを確認します：
claude --version
ステップ 3: 環境変数を設定する
Claude Code は、カスタムモデルエンドポイントにリクエストをルーティングするために 4 つの変数を読み取ります。Claude Code を起動する前に、これら 4 つすべてを設定してください。
macOS および Linux の場合：
export ANTHROPIC_BASE_URL="https://api.novita.ai/anthropic"
export ANTHROPIC_AUTH_TOKEN="<your Novita API key>"
export ANTHROPIC_MODEL="minimax/minimax-m2.7"
export ANTHROPIC_SMALL_FAST_MODEL="minimax/minimax-m2.7"
Windows PowerShell の場合：
$env:ANTHROPIC_BASE_URL = "https://api.novita.ai/anthropic"
$env:ANTHROPIC_AUTH_TOKEN = "<your Novita API key>"
$env:ANTHROPIC_MODEL = "minimax/minimax-m2.7"
$env:ANTHROPIC_SMALL_FAST_MODEL = "minimax/minimax-m2.7"
ANTHROPIC_SMALL_FAST_MODEL は、ファイルナビゲーションやクイック検索などの軽量操作を制御します。同じモデルに設定することで、すべてのリクエストが同じ課金パスと料金で処理されます。
構成を永続的にするには、エクスポート行をシェルプロファイル（~/.bashrc、~/.zshrc、PowerShell プロファイル）に追加します。または、プロジェクトレベルの .env ファイルを作成し、各セッションの前にそれを読み込む方法もあります。ただし、コミットしないでください。
ステップ 4: Claude Code を起動して確認する
プロジェクトディレクトリに移動し、Claude Code を起動します：
cd your-project-directory
claude .
プロンプトで簡単なテストを実行します：
> このディレクトリにはどのファイルがありますか？
モデルが適切なツールを呼び出してファイルリストを返した場合、統合は正常に機能しています。Novita AI 使用量ダッシュボード で使用中のモデルを確認し、リクエストごとのトークンコストをチェックできます。
認証エラーが表示された場合は、ANTHROPIC_AUTH_TOKEN が現在のシェルセッションで設定されているかどうかを再確認してください（別のターミナルウィンドウだけに設定されていないことを確認）。
ステップ 5: エージェンティックワークフローに最適化する
M2.7 の 97% のツール追従率と 204,800 トークンのコンテキストは、長時間のエージェントセッションに適しています。これらの機能を最大限に活用するためのいくつかのプラクティスを紹介します。
最初にコードベース全体のコンテキストをモデルに与えます。 変更を依頼する前に、Claude Code に関連ファイルを読ませてください。M2.7 の大規模なコンテキストウィンドウにより、早期に制限に達することなく複数のモジュールを読み込むことができます。
> src/api/ 内のすべてのファイルを読み込み、認証を処理する関数を特定してください
複雑な作業には明示的なタスク分解を使用します。 大きなリクエストを順次ステップに分割することで、部分的な出力やセッション中の混乱の可能性を減らせます：
> まず、現在のデータベーススキーマを分析します。次に、ソフトデリートを追加するために必要なマイグレーションを提案します。まだコードは書かないでください。
デバッグにはツールチェーンを活用します。 M2.7 の本番環境デバッグの強みは、再現 → 追跡 → 修正 → 検証という複数ステップのシーケンスで最も発揮されます。
> テストスイートを実行し、失敗したテストを特定し、ソースコード内の根本原因を見つけ、修正案を提案してください
セッションの焦点を絞ります。 M2.7 はマルチターンの一貫性をうまく処理しますが、明確な目標を持つ狭いセッションの方が、方向を繰り返し変える探索的なセッションよりも信頼性の高い出力を生成します。
コスト分析
100 万トークンあたり $0.3/$1.2（入力/出力）の M2.7 は、ほとんどのフロンティアモデルよりも大幅に安価でありながら、エージェントベンチマークで競争力を維持しています。
Novita AI 経由の M2.7 を使用した典型的な Claude Code ワークフローのコスト：
| ワークフロー | 推定コスト |
|---|---|
| 小規模リファクタリング（5 ファイル、約 200 行の変更） | $0.02～$0.05 |
| 機能実装（20 ファイル、約 1000 行） | $0.10～$0.20 |
| コードベース全体の分析（100 ファイル以上） | $0.25～$0.60 |
| 1 時間の継続的なコーディング（100 トークン/秒） | 約 $0.27 |
Claude Code 使用時のモデルコスト比較：
| モデル | 入力（100 万トークンあたり） | 出力（100 万トークンあたり） | M2.7 入力との比較 |
|---|---|---|---|
| MiniMax M2.7（Novita AI） | $0.30 | $1.20 | — |
| MiniMax M2.5（Novita AI） | $0.30 | $1.20 | 同額 |
| GLM-5（Novita AI） | $1.00 | $3.20 | 3.3 倍 |
| Claude Opus 4.6 | 約 $7.00 | 約 $21.00 | 23 倍 |
出典：Novita AI モデルページ、2026-07-03 確認。本番稼働の前に現在の料金を確認してください。
プロンプトキャッシングにより、繰り返されるコンテキストのコストをさらに削減できます。キャッシュ読み取りが 100 万トークンあたり $0.06 の場合、安定したシステムプロンプトや大規模な共有コンテキストを持つワークロードが大きな恩恵を受けます。
実用的なユースケース
複数ファイルのリファクタリング。 M2.7 の Multi-SWE-Bench での 52.7% は、複雑なクロスファイルの変更を処理できることを示しています。Claude Code はインタラクティブな承認レイヤーを提供し、各提案変更をコミット前にレビューできます。
本番環境 SRE とインシデント対応。 このモデルは、メトリクスの相関付け、データベースクエリ、根本原因の追跡、非ブロッキング修正の適用など、本番デバッグシナリオでトレーニングされています。Claude Code のターミナル統合により、同じセッション内で診断を実行し、修正を検証できます。
エージェントフレームワークの開発。 他のツールやモデルをオーケストレーションするものを作成している場合、M2.7 のネイティブ Agent Teams サポートと役割一貫性により、オーケストレータレイヤーとして適しています。97% のツール追従率は、生のベンチマークスコアよりも重要です。
多言語コードベース。 M2.7 は複数のプログラミング言語で強力なパフォーマンスを示し、主に Python/JavaScript でトレーニングされたモデルに見られる品質低下なしに多言語プロジェクトを処理します。
エージェンティックワークフローを拡大するコスト重視のチーム。 入力 100 万トークンあたり $0.30 という価格で、複数の開発者が継続的に Claude Code セッションを実行するチームでも、大幅に弱いモデルに落とすことなくコストを管理できます。
トラブルシューティング
認証エラー（401）
アクティブなシェルセッションで ANTHROPIC_AUTH_TOKEN が設定されていることを確認してください。claude . を実行する前に変数をエクスポートする必要があります。キーの破損が疑われる場合は、キーを再生成して再エクスポートするのが最も迅速な修正方法です。
モデルが見つからない
モデル ID が正確に minimax/minimax-m2.7 であることを確認してください。スペースや大文字小文字の変更は許可されません。MiniMax M2.7 のような表示名はモデル ID として機能しません。
リクエストが Novita ではなく Anthropic に到達する
ANTHROPIC_BASE_URL が https://api.novita.ai/anthropic に設定されていることを確認してください。変数がないか空白の場合、Claude Code は Anthropic のエンドポイントにフォールバックし、有効な Anthropic キーがないとリクエストが拒否されます。
最初のリクエストで応答が遅い
セッションの最初のリクエストは、コールドスタートの動作により数秒余分にかかる場合があります。同じセッション内の後続のリクエストは通常高速です。リクエスト間で遅さが続く場合は、テスト呼び出しで max_tokens を減らして、生成時間とネットワークレイテンシのどちらが原因かを切り分けてください。
コンテキストウィンドウエラー
M2.7 は 204,800 トークンをサポートしています。非常に大きなコードベースを読み込む場合、Claude Code のコンテキスト管理が自動的に圧縮を処理します。手動で制御するには、1 回のターンで Claude Code に読み込ませるファイルを制限してください。
予想よりも高いコスト
ANTHROPIC_SMALL_FAST_MODEL を確認してください。別のより高価なモデルを指している場合、ディレクトリナビゲーションなどの軽量操作のコストが想定よりも高くなります。両方の変数を minimax/minimax-m2.7 に設定すると、すべてのトラフィックが同じ料金になります。
FAQ
MiniMax M2.7 は、Anthropic 互換エンドポイントを持つ Novita AI で利用できますか？
はい。このモデルは minimax/minimax-m2.7 として、OpenAI 互換エンドポイントと Anthropic 互換エンドポイントの両方で利用可能です。Claude Code は https://api.novita.ai/anthropic の Anthropic パスを使用します。
Claude Code ワークフローにおける M2.7 と M2.5 の違いは何ですか？
M2.7 はすべてのベンチマークでより強力なモデルです。SWE-Bench Pro が 52.2% から 56.2% に、Multi-SWE-Bench が 51.3% から 52.7% に、MLE-Bench lite が 31.5% から 66.6% に向上しています。料金は同じ（100 万トークンあたり $0.3/$1.2）であるため、新しいセットアップで M2.5 を選ぶコスト上の理由はありません。
M2.7 は Claude Code でビジョンや画像入力をサポートしていますか？
いいえ。MiniMax M2.7 はテキストのみです。ワークフローにスクリーンショット、UI 分析、画像コンテキストが含まれる場合は、マルチモーダルモデルが必要です。テキストベースのコーディングワークフローでは、この制限は適用されません。
M2.7 を MCP ツールと一緒に Claude Code で使用できますか？
はい。Claude Code の MCP（Model Context Protocol）サポートは、モデルレイヤーではなくツールレイヤーで機能します。M2.7 の高いツール追従率は、MCP を多用するセットアップに適しています。
関数呼び出しは Claude Code の組み込みツールで確実に機能しますか？
はい。M2.7 は高いツール呼び出し精度を実現するために特別にトレーニングされており、本番環境で 40 以上の同時ツールに対して 97% の追従率を達成しています。Claude Code の組み込みツール（Read、Write、Edit、Bash、Glob、Grep）はその範囲内に十分収まっています。
この設定は Claude Code VS Code 拡張機能でも機能しますか？
環境変数は CLI ランタイムに適用されます。VS Code 拡張機能を使用している場合は、シェルプロファイルまたは VS Code の統合ターミナル設定に変数を設定し、拡張機能が Claude Code セッションを開始するときに変数が利用可能になるようにしてください。
おすすめ記事
MiniMax M2.7 on Novita AI: Top-Tier Intelligence, Budget-Friendly Pricing M2.7 の自己進化アーキテクチャ、ベンチマーク結果、エージェント機能、および Novita AI での GLM-5 や Kimi K2.5 との価格比較に関する完全なローンチレポート。
Use MiniMax M2.5 in Claude Code: Agentic Coding Guide M2.5 の同じ統合パターン。ワークフローで M2.5 と M2.7 を比較する場合や、既存の M2.5 セットアップを M2.7 に移行する場合に役立ちます。
How to Use GLM-5 in Claude Code: Setup Guide Novita AI 経由で Claude Code で GLM-5 を使用するためのセットアップガイド。このモデルは、インテリジェンスインデックスで M2.7 に最も近いベンチマークを示し、異なる価格とコンテキストサイズを持ちます。
Novita AI は、開発者やスタートアップが高性能、信頼性、コスト効率に優れたモデルやエージェントアプリケーションを構築、デプロイ、スケーリングするための AI & エージェントクラウドプラットフォームです。
