MiniMax M3 rompe el techo de peso abierto con una aceleración CUDA 9.4x y cero ayuda humana

La startup china de IA MiniMax ha lanzado M3, un nuevo modelo fundacional insignia que la empresa afirma es el primer modelo de peso abierto que ofrece simultáneamente rendimiento de codificación de frontera, una ventana de contexto de un millón de tokens y comprensión multimodal nativa. El modelo está construido sobre una arquitectura patentada MiniMax Sparse Attention (MSA) y está disponible a través de API con almacenamiento en caché automático. minimax-rolls-out-m3-hailuo-23-and-new-coding-speech-and-music-models-in-a-broad-product-refresh

Aspectos destacados de las evaluaciones

MiniMax informa que M3 logra resultados líderes en la industria en varias evaluaciones de codificación y agente. En la evaluación de agente BrowseComp, M3 obtuvo 83.5, superando a Opus 4.7 de OpenAI, que obtuvo 79.3. El modelo también demostró un sólido rendimiento en tareas de ingeniería de software, ejecución de terminal y uso de herramientas. minimax-launches-m25-a-coding-and-agentic-ai-model-with-state-of-the-art-performance

En un experimento autónomo de replicación de artículos, MiniMax encargó a M3 reproducir el artículo destacado de ICLR 2025 'Learning Dynamics of LLM Finetuning'. Durante casi 12 horas, M3 generó de forma independiente 18 commits y 23 figuras experimentales, ejecutando con éxito los experimentos principales sin guía humana. how-local-llms-like-gemma-and-qwen-are-taming-open-source-repository-triage-at-scale

Optimización del kernel CUDA

M3 también demostró sus habilidades de ingeniería autónoma optimizando un kernel de multiplicación de matrices FP8 en la arquitectura Hopper de NVIDIA. Partiendo solo de una descripción de la tarea y un esqueleto Triton no funcional, M3 completó 147 envíos de evaluaciones y 1,959 llamadas a herramientas en aproximadamente 24 horas, mejorando la utilización del hardware del 7.6% al 71.3%, una aceleración de 9.4× sin intervención humana. the-verification-horizon-why-rewarding-coding-agents-is-getting-harder

PostTrainBench: M3 entrena modelos

MiniMax también realizó una prueba llamada PostTrainBench, donde se le dieron a M3 cuatro modelos base preentrenados y se le pidió que completara de forma autónoma el pipeline completo de post-entrenamiento, síntesis de datos, entrenamiento, evaluación e iteración, en 12 horas. M3 obtuvo 37.1, ubicándose en tercer lugar detrás de Opus 4.7 (42.4) y GPT-5.5 (39.3), pero significativamente por delante de todos los demás modelos probados. opid-on-policy-skill-distillation-boosts-language-agent-training-without-external-memories

Arquitectura y disponibilidad

M3 está construido sobre la arquitectura MiniMax Sparse Attention desarrollada internamente, que admite una ventana de contexto de API de hasta 1 millón de tokens, con una longitud utilizable garantizada de al menos 512K tokens. El modelo es nativamente multimodal, con espacios semánticos de texto y visual alineados desde el inicio del entrenamiento, en lugar de a través de parches posteriores. hugging-face-daily-papers-a-surge-in-multimodal-and-vision-language-research

MiniMax posiciona a M3 como el primer modelo en traer un conjunto completo de capacidades de frontera, codificación, agentes de contexto largo y multimodalidad nativa, al ecosistema de peso abierto. El modelo es accesible a través de API, que incluye almacenamiento en caché automático sin configuración adicional. ai-as-an-extension-of-human-intelligence-not-a-replacement