MiniMax M3 combine code agentique, contexte 1M et multimodalité native

MiniMax M3, modèle open-weights à contexte d'un million de tokens, surclasse GPT-5.5 sur SWE-Bench Pro avec 59 % de réussite en code et tâches agentiques.

MiniMax AI présente M3, son nouveau modèle phare. La société le positionne comme le premier modèle open-weights à réunir dans un seul système trois atouts dits frontier : la performance sur les tâches de code et d'agents autonomes, une fenêtre de contexte d'un million de tokens et une multimodalité native acquise dès l'entraînement.

En coding et en tâches agentiques, M3 revendique 59 % au benchmark SWE-Bench Pro, devant GPT-5.5 et Gemini 3.1 Pro et au coude-à-coude avec Claude Opus 4.7, ainsi que de bons résultats sur plusieurs évaluations d'agents et d'appel d'outils. Le contexte étendu repose sur une architecture baptisée MiniMax Sparse Attention, qui remplace l'attention dense classique et divise par vingt le coût de calcul par token à un million de tokens, le pré-remplissage et le décodage étant par ailleurs nettement accélérés. En entrée, le modèle accepte texte, images et vidéos (jusqu'à 1 024 images) et peut piloter un ordinateur via l'outil maison MiniMax Code.

L'API est accessible immédiatement sur platform.minimax.io, à un tarif situé entre 5 et 20 % de celui des modèles américains comparables, et déjà relayée par plusieurs passerelles comme Vercel, Cloudflare ou OpenRouter. MiniMax Code, application de bureau qui exploite M3, y ajoute des agents persistants et des équipes d'agents. La publication des poids et d'un rapport technique est annoncée pour une dizaine de jours, le modèle devenant alors ouvert, à l'image des versions M2 qui l'ont précédé.