Spécifications techniques de MiniMax M3
| Élément | MiniMax M3 |
|---|---|
| Famille de modèle | Modèle fondation de pointe MiniMax M3 |
| Fournisseur | MiniMax |
| Architecture | MiniMax Sparse Attention (MSA) |
| Types d’entrée | Texte, Image, Vidéo |
| Types de sortie | Texte |
| Fenêtre de contexte | Jusqu’à 1,000,000 tokens (minimum garanti 512K) |
| Forces principales | Codage, flux de travail agentiques, raisonnement multimodal, traitement de longs contextes |
| Mode de raisonnement | Modes de réflexion activés/désactivés |
| Utilisation d’outils | Flux de travail agentiques, invocation d’outils, exécution de tâches en terminal |
| Déploiement | API, MiniMax Code, Token Plan, prochaine publication de poids ouverts |
| Prise en charge multimodale | Préentraînement multimodal natif dès l’étape zéro |
| Date de sortie | Juin 2026 |
Qu’est-ce que MiniMax M3 ?
MiniMax M3 est un modèle d’IA de pointe à grande échelle conçu autour de trois capacités historiquement limitées aux systèmes propriétaires : performances avancées en codage, traitement de contextes d’un million de tokens et compréhension multimodale native. Contrairement aux modèles qui ajoutent la vision comme extension ultérieure, M3 a été entraîné comme modèle multimodal dès le départ, permettant un alignement plus profond entre le raisonnement visuel et textuel.
Le modèle repose sur MiniMax Sparse Attention (MSA), une architecture d’attention clairsemée conçue pour rendre pratiques les contextes d’un million de tokens sur le plan computationnel tout en préservant les performances sur les tâches de codage, de raisonnement et agentiques.
Principales fonctionnalités de MiniMax M3
- Fenêtre de contexte de 1M tokens : Prend en charge des dépôts extrêmement volumineux, des corpus de recherche longs, des analyses multi-documents et des sessions d’agent de longue durée.
- Architecture orientée agents : Conçue pour la décomposition autonome des tâches, l’appel d’outils, la planification itérative et l’exécution multi-étapes.
- Multimodalité native : Traite des entrées texte, images, diagrammes, captures d’écran et vidéos sans s’appuyer sur une pile de vision séparée.
- Capacité de codage avancée : Excellentes performances sur des benchmarks d’ingénierie logicielle dont SWE-Bench Pro, Terminal-Bench et KernelBench.
- Exécution à long horizon : Démonstration de flux de travail autonomes sur plusieurs heures, incluant reproduction de recherche et projets d’optimisation CUDA.
- Raisonnement configurable : Le mode de réflexion peut être activé pour des charges de raisonnement plus profondes ou désactivé pour des interactions à plus faible latence.
Performances sur benchmarks de MiniMax M3
MiniMax rapporte des résultats de niveau de pointe sur des tâches de codage, d’exécution agentique et d’évaluation multimodale. Les résultats déclarés incluent :
| Benchmark | Score |
|---|---|
| SWE-Bench Pro | 59.0% |
| Terminal-Bench 2.1 | 66.0% |
| SWE-fficiency | 34.8% |
| KernelBench Hard | 28.8% |
| MCP Atlas | 74.2% |
| BrowseComp | 83.5 |
| PostTrainBench | 37.1 |
La société indique également que M3 dépasse GPT-5.5 et Gemini 3.1 Pro sur plusieurs benchmarks orientés codage tout en s’approchant des performances de Claude Opus 4.7 dans certaines évaluations. Ces affirmations proviennent des divulgations internes de MiniMax et doivent être interprétées parallèlement à des tests indépendants de tiers lorsqu’ils seront disponibles.
Architecture pour longs contextes et MSA
MiniMax Sparse Attention (MSA) est l’innovation architecturale derrière la capacité de contexte d’un million de tokens de M3. Au lieu d’appliquer une attention quadratique complète sur toute la séquence, MSA effectue un routage au niveau des blocs et une attention clairsemée sur des régions de contexte sélectionnées.
Selon MiniMax, cela réduit substantiellement les besoins de calcul à de grandes longueurs de contexte et offre :
- Plus de 9× de performances de préremplissage à longueur de contexte 1M
- Plus de 15× de performances de décodage
- Environ 1/20 du calcul par token de la génération précédente à l’échelle de contexte 1M
Ces améliorations visent à rendre pratique le codage à l’échelle du dépôt et les flux de travail agentiques à long horizon.
MiniMax M3 vs Claude Opus 4.7 vs Gemini 3.1 Pro
| Capacité | MiniMax M3 | Claude Opus 4.7 | Gemini 3.1 Pro |
|---|---|---|---|
| Fenêtre de contexte | Jusqu’à 1M | Paliers de contexte publics plus petits | Grand contexte multimodal |
| Entraînement multimodal natif | Oui | Oui | Oui |
| Focalisation sur le codage agentique | Très forte | Très forte | Forte |
| SWE-Bench Pro | 59.0% | Plus élevé selon les rapports MiniMax | Plus faible selon les rapports MiniMax |
| Disponibilité des poids ouverts | Prévue | Non | Non |
| Flux de travail agentiques à long horizon | Axe majeur de conception | Fort | Fort |
Limitations connues
- La plupart des divulgations de benchmarks proviennent actuellement de MiniMax plutôt que de laboratoires d’évaluation indépendants.
- Les fichiers de poids ouverts et le rapport technique complet ont été annoncés mais n’étaient pas encore largement publiés au lancement.
- La fiabilité réelle dans des environnements de production est encore en cours de validation par la communauté des développeurs.
- Les charges de travail avec contexte d’un million de tokens peuvent entraîner des coûts opérationnels et une latence plus élevés que les charges d’inférence standard.
Cas d’usage représentatifs
Ingénierie logicielle à l’échelle du dépôt
Analyser de grands bases de code, effectuer des refactorisations multi-fichiers, générer des patches, revoir des pull requests et maintenir un contexte de développement à long terme.
Agents de recherche autonomes
Soutenir la revue de littérature, la synthèse de documents, l’analyse de benchmarks et des flux de travail de recherche de longue durée nécessitant des centaines de milliers de tokens.
Analyse technique multimodale
Interpréter des captures d’écran, des diagrammes d’architecture, des graphiques, des documents techniques et du contenu vidéo au sein du même flux de raisonnement.
Automatisation du terminal et DevOps
Exécuter des flux de travail d’ingénierie complexes impliquant tests, orchestration de déploiement, gestion des dépendances et débogage itératif.
Systèmes de connaissances d’entreprise
Rechercher et raisonner sur de vastes collections de politiques, contrats, documentation technique et référentiels de connaissances internes.
Version du modèle et disponibilité
MiniMax M3 a été officiellement présenté en juin 2026 comme le successeur phare de la gamme de modèles MiniMax. Le modèle est disponible via l’écosystème d’API MiniMax et CometAPI.