MiniMax M3 brise le plafond des poids ouverts avec une accélération CUDA de 9,4x et zéro aide humaine

La startup chinoise d'IA MiniMax a publié M3, un nouveau modèle fondamental phare que l'entreprise présente comme le premier modèle à poids ouverts à offrir simultanément des performances de codage de pointe, une fenêtre de contexte d'un million de tokens et une compréhension multimodale native. Le modèle est construit sur une architecture MiniMax Sparse Attention (MSA) propriétaire et est disponible via API avec mise en cache automatique. minimax-rolls-out-m3-hailuo-23-and-new-coding-speech-and-music-models-in-a-broad-product-refresh

Points saillants des benchmarks

MiniMax rapporte que M3 atteint des résultats de premier plan sur plusieurs benchmarks de codage et agentiques. Sur l'évaluation agentique BrowseComp, M3 a obtenu un score de 83,5, surpassant Opus 4.7 d'OpenAI qui a obtenu 79,3. Le modèle a également démontré de solides performances sur les tâches de génie logiciel, d'exécution en terminal et d'utilisation d'outils. minimax-launches-m25-a-coding-and-agentic-ai-model-with-state-of-the-art-performance

Dans une expérience de reproduction autonome d'article, MiniMax a chargé M3 de reproduire l'article 'Learning Dynamics of LLM Finetuning' primé à l'ICLR 2025. En près de 12 heures, M3 a généré indépendamment 18 commits et 23 figures expérimentales, exécutant avec succès les expériences principales sans guidance humaine. how-local-llms-like-gemma-and-qwen-are-taming-open-source-repository-triage-at-scale

Optimisation du noyau CUDA

M3 a également démontré ses capacités d'ingénierie autonome en optimisant un noyau de multiplication matricielle FP8 sur l'architecture Hopper de NVIDIA. Partant uniquement d'une description de tâche et d'un squelette Triton non fonctionnel, M3 a effectué 147 soumissions de benchmark et 1 959 appels d'outils sur environ 24 heures, améliorant l'utilisation du matériel de 7,6 % à 71,3 %, soit une accélération de 9,4× avec zéro intervention humaine. the-verification-horizon-why-rewarding-coding-agents-is-getting-harder

PostTrainBench : M3 entraîne des modèles

MiniMax a également mené un test appelé PostTrainBench, où M3 a reçu quatre modèles de base pré-entraînés et a été chargé de réaliser de manière autonome le pipeline complet de post-entraînement, synthèse de données, entraînement, évaluation et itération, en 12 heures. M3 a obtenu un score de 37,1, se classant troisième derrière Opus 4.7 (42,4) et GPT-5.5 (39,3), mais nettement devant tous les autres modèles testés. opid-on-policy-skill-distillation-boosts-language-agent-training-without-external-memories

Architecture et disponibilité

M3 est construit sur l'architecture MiniMax Sparse Attention développée en interne, qui prend en charge une fenêtre de contexte API allant jusqu'à 1 million de tokens, avec une longueur utilisable garantie d'au moins 512 000 tokens. Le modèle est nativement multimodal, avec des espaces sémantiques textuels et visuels alignés dès le début de l'entraînement, plutôt que par des correctifs a posteriori. hugging-face-daily-papers-a-surge-in-multimodal-and-vision-language-research

MiniMax positionne M3 comme le premier modèle à apporter un ensemble complet de capacités de pointe, codage, agents à contexte long et multimodalité native, dans l'écosystème à poids ouverts. Le modèle est accessible via API, qui comprend une mise en cache automatique sans configuration supplémentaire. ai-as-an-extension-of-human-intelligence-not-a-replacement