Model Releases
MiniMax-M3: El Hito del Open-Source que Desafía a los Modelos Propietarios
MiniMax lanza M3, el primer modelo de pesos abiertos que combina capacidades de codificación de frontera, ventana de contexto de un millón de tokens y soporte multimodal nativo.
1 de junio de 2026
Model ReleaseMiniMax-M3
Introducción: Un cambio de paradigma en el ecosistema Open-Source
El 1 de junio de 2026 marca un antes y un después en la historia de la inteligencia artificial. Con el lanzamiento de MiniMax-M3, la frontera entre los modelos cerrados de élite y los modelos de pesos abiertos (open-weights) se ha difuminado de manera definitiva. No estamos ante una actualización incremental, sino ante un modelo que redefine lo que la comunidad de desarrolladores puede esperar de una arquitectura abierta.
MiniMax ha logrado lo que muchos consideraban imposible: integrar razonamiento agéntico avanzado, una ventana de contexto masiva y capacidades multimodales nativas en un solo paquete accesible. Para los ingenieros de IA, esto significa que la soberanía tecnológica y el rendimiento de nivel 'frontier' finalmente pueden coexistir, permitiendo despliegues locales y personalizados sin sacrificar la potencia bruta.
- Lanzamiento histórico: 1 de junio de 2026.
- Naturaleza: Modelo de pesos abiertos (open-weights).
- Impacto: Cierre de la brecha entre modelos propietarios y open-source.
Arquitectura y Características Clave: El poder de la Sparse Attention
El corazón de MiniMax-M3 es su arquitectura propietaria MiniMax Sparse Attention (MSA). Esta innovación técnica permite al modelo gestionar una ventana de contexto de hasta 1 millón de tokens, garantizando un mínimo de 512k tokens de alta fidelidad. A diferencia de las arquitecturas densas tradicionales, la MSA optimiza el pre-rellenado (prefilling), lo que reduce drásticamente la latencia en ciclos de agentes complejos.
Además, M3 es un modelo nativamente multimodal. Esto no significa que utilice adaptadores externos para procesar imágenes o audio, sino que su arquitectura ha sido entrenada desde el inicio para comprender diferentes modalidades de forma integrada. Esto resulta en una comprensión semántica mucho más profunda cuando se trabaja con datos mixtos, algo vital para la próxima generación de aplicaciones de IA.
- Arquitectura: MiniMax Sparse Attention (MSA).
- Ventana de contexto: 1M de tokens (mínimo garantizado de 512k).
- Multimodalidad: Soporte nativo para texto, imagen y otros inputs.
- Eficiencia: Optimización masiva en la velocidad de prefilling para tareas de agentes.
Rendimiento y Benchmarks: Superando a los Gigantes
Los datos de rendimiento de MiniMax-M3 son contundentes. En el benchmark BrowseComp, que evalúa la capacidad de navegación y razonamiento en entornos web, M3 alcanzó una puntuación de 83.5, superando significativamente al modelo Opus 4.7, que registró 79.3. Este logro posiciona a M3 en la cima de la jerarquía de modelos actuales.