Especificações Técnicas do MiniMax M3
| Item | MiniMax M3 |
|---|---|
| Model family | MiniMax M3 frontier foundation model |
| Provider | MiniMax |
| Architecture | MiniMax Sparse Attention (MSA) |
| Input types | Texto, Imagem, Vídeo |
| Output types | Texto |
| Context window | Até 1,000,000 tokens (mínimo garantido 512K) |
| Primary strengths | Programação, fluxos de trabalho orientados a agentes, raciocínio multimodal, processamento de contexto longo |
| Reasoning mode | Modos de pensamento ativado/desativado |
| Tool use | Fluxos de trabalho orientados a agentes, invocação de ferramentas, execução de tarefas no terminal |
| Deployment | API, MiniMax Code, Token Plan, lançamento open-weight em breve |
| Multimodal support | Pré-treinamento multimodal nativo desde o passo zero |
| Release date | Junho de 2026 |
O que é o MiniMax M3?
O MiniMax M3 é um modelo de IA em escala de fronteira projetado em torno de três capacidades que historicamente foram limitadas a sistemas de código fechado: desempenho avançado em programação, processamento de contexto de milhões de tokens e compreensão multimodal nativa. Ao contrário de modelos que adicionam visão como uma extensão posterior, o M3 foi treinado como um modelo multimodal desde o início, permitindo um alinhamento mais profundo entre o raciocínio visual e textual.
O modelo é construído sobre o MiniMax Sparse Attention (MSA), uma arquitetura de atenção esparsa projetada para tornar contextos de milhões de tokens computacionalmente viáveis, preservando o desempenho em tarefas de programação, raciocínio e de agentes.
Principais recursos do MiniMax M3
- Janela de contexto de 1M tokens: Suporta repositórios extremamente grandes, corpora de pesquisa extensos, análise multidocumento e sessões de agentes de longa duração.
- Arquitetura orientada a agentes: Projetada para decomposição autônoma de tarefas, chamada de ferramentas, planejamento iterativo e execução em múltiplas etapas.
- Multimodalidade nativa: Processa texto, imagens, diagramas, capturas de tela e vídeos sem depender de uma pilha de visão separada.
- Capacidade avançada de programação: Forte desempenho em benchmarks de engenharia de software, incluindo SWE-Bench Pro, Terminal-Bench e KernelBench.
- Execução de longo horizonte: Fluxos de trabalho autônomos de várias horas demonstrados, incluindo reprodução de pesquisas e projetos de otimização em CUDA.
- Raciocínio configurável: O modo de pensamento pode ser ativado para cargas de trabalho de raciocínio mais profundo ou desativado para interações de menor latência.
Desempenho em benchmarks do MiniMax M3
A MiniMax reporta resultados em nível de fronteira em tarefas de programação, execução de agentes e avaliação multimodal. Os resultados reportados incluem:
| 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 |
A empresa também reporta que o M3 supera o GPT-5.5 e o Gemini 3.1 Pro em vários benchmarks voltados à programação, ao mesmo tempo em que se aproxima do desempenho do Claude Opus 4.7 em avaliações selecionadas. Essas afirmações originam-se das divulgações internas de benchmarks da MiniMax e devem ser interpretadas em conjunto com testes independentes de terceiros à medida que se tornarem disponíveis.
Arquitetura de contexto longo e MSA
O MiniMax Sparse Attention (MSA) é a inovação arquitetural por trás da capacidade de contexto de milhões de tokens do M3. Em vez de aplicar atenção quadrática completa em toda a sequência, o MSA realiza roteamento em nível de bloco e atenção esparsa em regiões selecionadas do contexto.
Segundo a MiniMax, isso reduz substancialmente os requisitos de computação em grandes comprimentos de contexto e oferece:
- Mais de 9× mais desempenho de pré-preenchimento em comprimento de contexto de 1M
- Mais de 15× mais desempenho de decodificação
- Aproximadamente 1/20 do cálculo por token da geração anterior na escala de 1M de contexto
Essas melhorias têm como objetivo tornar a programação em escala de repositório e os fluxos de trabalho de agentes de longo horizonte práticos.
MiniMax M3 vs Claude Opus 4.7 vs Gemini 3.1 Pro
| Capacidade | MiniMax M3 | Claude Opus 4.7 | Gemini 3.1 Pro |
|---|---|---|---|
| Janela de contexto | Até 1M | Níveis de contexto publicamente disponíveis menores | Multimodal de grande contexto |
| Treinamento multimodal nativo | Sim | Sim | Sim |
| Foco em programação orientada a agentes | Muito forte | Muito forte | Forte |
| SWE-Bench Pro | 59.0% | Maior segundo os relatórios da MiniMax | Inferior segundo os relatórios da MiniMax |
| Disponibilidade open-weight | Planejada | Não | Não |
| Fluxos de trabalho de agentes de longo horizonte | Foco principal de design | Forte | Forte |
Limitações conhecidas
- A maioria das divulgações de benchmarks atualmente vem da MiniMax, e não de laboratórios independentes.
- Arquivos do modelo open-weight e o relatório técnico completo foram anunciados, mas ainda não haviam sido amplamente lançados no momento do lançamento.
- A confiabilidade no mundo real em ambientes de produção ainda está sendo validada pela comunidade de desenvolvedores.
- Cargas de trabalho com contexto de milhões de tokens podem incorrer em custos operacionais e latência maiores do que cargas de inferência padrão.
Casos de uso representativos
Engenharia de software em escala de repositório
Analise grandes bases de código, realize refatorações entre múltiplos arquivos, gere patches, revise pull requests e mantenha contexto de desenvolvimento de longo prazo.
Agentes de pesquisa autônomos
Suporte a revisão de literatura, síntese de documentos, análise de benchmarks e fluxos de trabalho de pesquisa de longa duração que exigem centenas de milhares de tokens.
Análise técnica multimodal
Interprete capturas de tela, diagramas de arquitetura, gráficos, documentos técnicos e conteúdo de vídeo dentro do mesmo fluxo de raciocínio.
Automação de terminal e DevOps
Execute fluxos de trabalho de engenharia complexos envolvendo testes, orquestração de implantação, gerenciamento de dependências e depuração iterativa.
Sistemas de conhecimento corporativo
Pesquise e raciocine sobre grandes coleções de políticas, contratos, documentação técnica e repositórios de conhecimento internos.
Versão do modelo e disponibilidade
O MiniMax M3 foi oficialmente apresentado em junho de 2026 como o sucessor carro-chefe na linha de modelos da MiniMax. O modelo está disponível por meio do ecossistema da MiniMax API e do CometAPI.