MiniMax, laboratorio con sede en Shanghái, lanzó el 1 de junio de 2026 M3, un modelo de pesos abiertos que la empresa describe como el primero en reunir en un solo sistema tres cosas: capacidad de código de frontera, ventana de contexto de 1 millón de tokens y entrada nativa de imagen y video. El modelo está construido sobre una arquitectura propietaria de atención dispersa, MiniMax Sparse Attention (MSA), que procesa solo los bloques relevantes del contexto y reduce el costo por token a cerca de una vigésima parte de la generación anterior.
Lo que la empresa promete (y lo que falta verificar)
En las cifras divulgadas por la propia MiniMax, M3 alcanza 59,0% en SWE-Bench Pro, por delante de GPT-5.5 y Kimi K2.6, pero por debajo de Claude Opus 4.8. También se menciona un desempeño fuerte en navegación autónoma. El punto a tener en cuenta: todos esos resultados son reportados por el fabricante, sin reproducción independiente en el lanzamiento, lo que exige cautela antes de cualquier conclusión.
- Precio de lista: US$ 0,60 por millón de tokens de entrada y US$ 2,40 por millón de salida, una fracción de lo que cobran los modelos cerrados.
- En el lanzamiento, el acceso era solo mediante API y MiniMax Agent.
- La empresa prometió publicar los pesos y el informe técnico en unos diez días, en Hugging Face y GitHub.
- La arquitectura MSA reduce el costo de procesar contextos largos.
Abierto, pero hasta dónde
Conviene separar 'pesos abiertos' de 'código abierto' completo. MiniMax pone los parámetros a disposición para descarga, lo que permite ejecutar el modelo en infraestructura propia, pero no publicó parte del código de entrenamiento ni de inferencia. Es la misma frontera que viene marcando la ola de modelos chinos: potentes y baratos, pero con transparencia parcial sobre cómo fueron construidos.
Para América Latina, la relevancia es práctica. Un modelo con pesos abiertos y contexto de 1 millón de tokens puede autoalojarse, manteniendo los datos dentro de la propia empresa, algo valioso para quienes necesitan cumplir exigencias de privacidad y leyes locales de protección de datos. En cambio, el uso de la API alojada exige análisis de cumplimiento, dado el lugar donde opera la empresa. El mensaje es el de siempre: probar en el propio trabajo antes de confiar en producción.
Nuestro prisma
Otro capítulo del avance de los laboratorios chinos en pesos abiertos: el atractivo es una capacidad casi de frontera a un costo mucho menor, pero 'abierto' aquí sigue siendo pesos, no entrenamiento, y las cifras son del propio fabricante.
Fuentes: TechTimes — MiniMax M3 Open-Weight Coding Model · Open Source For You — MiniMax Challenges AI Rivals With M3
Recibe Radar de IA todos los días
Las noticias de inteligencia artificial que importan — con nuestro prisma y siempre con las fuentes. Gratis.
