MiniMax M3: O Primeiro Modelo Open-Weight que Entra em Território Frontier
Nos últimos dois anos vi a mesma linha sendo traçada repetidas vezes. De um lado: a fronteira proprietária — coding de primeiro nível, contexto de um milhão de tokens, multimodalidade nativa, tudo em um único modelo. Do outro: o mundo open-weight, que sempre parecia ter dois de três coisas mas nunca os três ao mesmo tempo. Você conseguia um bom modelo open de coding, ou um de contexto longo, ou um multimodal. Querer os três significava assinar um contrato de API com alguém em São Francisco.
Em 1º de junho, a MiniMax lançou M3 e apagou essa linha — pelo menos no papel.
O que foi realmente anunciado
M3 foi lançado simultaneamente através do MiniMax Code, o Token Plan por assinatura da empresa, e sua API. A proposta é direta: é o primeiro modelo open-weight que combina coding em nível frontier, uma janela de contexto de 1M tokens, e compreensão nativa de imagem e vídeo em uma única arquitetura. A MiniMax apresenta essas três capacidades como o mínimo indispensável de qualquer modelo frontier fechado hoje — e afirma que M3 é o único modelo open-weight que as junta nas três.
O benchmark que vai levar as manchetes é SWE-Bench Pro, onde M3 reporta 59,0%. De acordo com os números da própria MiniMax, isso o coloca à frente de GPT-5.5 e Gemini 3.1 Pro, e apenas atrás de Opus 4.7. O resto da suíte de coding e agentes está na mesma faixa: 66,0% em Terminal-Bench 2.1, 74,2% em MCP Atlas, e uma vantagem reportada sobre Opus 4.7 em busca web autônoma (BrowseComp).
O preço é onde as coisas ficam interessantes para qualquer um que rode isso em escala: $0,60 por milhão de tokens de entrada e $2,40 por milhão de saída. Isso não é um erro de arredondamento comparado ao preço da fronteira proprietária — é outra categoria de custo.
A parte que realmente importa: MSA
Aqui é onde eu diria a um colega técnico que pare e leia com atenção. Uma janela de contexto de 1M tokens já não é novidade — vários modelos anunciam uma. A pergunta que decide se você vai realmente usá-la é: quanto custa por token quando a janela está cheia?
Este é o anúncio real. M3 introduz uma nova arquitetura de atenção que a MiniMax chama MSA (MiniMax Sparse Attention). Em vez de comparar cada token contra todos os outros — a armadilha de custo quadrático da atenção completa — MSA divide o contexto armazenado em blocos, executa uma passagem de pré-filtragem para decidir quais blocos são realmente relevantes para a query atual, e só faz o cálculo completo sobre esses.
Os números que a MiniMax reporta: com 1M tokens, o cálculo por token cai para aproximadamente 1/20 do da geração anterior. Mais de 9× mais rápido em prefill, mais de 15× mais rápido em decode. Dito de outra forma, a janela de um milhão de tokens não é um troféu de ficha técnica que você vai evitar tocar pela fatura — está projetada para ser economicamente usável.
Se esses números se sustentarem em testes independentes, essa é a contribuição genuinamente importante. Os rankings de benchmarks vão mudar a cada par de semanas; um mecanismo de atenção que barateia o contexto longo é o tipo de coisa que muda como você projeta um sistema.
Os testes de autonomia valem uma olhada
A MiniMax executou três experimentos internos de horizonte longo que vão além dos benchmarks de um único prompt. O que ficou gravado comigo: deram a M3 um paper premiado em ICLR 2025 sobre fine-tuning de LLMs e pediram que reproduzisse o trabalho de forma independente. M3 executou de forma autônoma durante quase doze horas, produziu 18 commits e 23 figuras experimentais, e reproduziu os achados centrais do paper.
Em um segundo teste, pediram a M3 que otimizasse um kernel FP8 GEMM em GPUs NVIDIA Hopper a partir de um esqueleto que não funcionava e sem implementação de referência — uma tarefa que, segundo a MiniMax, leva de uma a duas semanas para um time experimentado. Ao longo de aproximadamente 24 horas executou 147 submissions de benchmark e aumentou a utilização do hardware de 7,6% para 71,3%, não chegando à sua melhor solução até a tentativa 145.
Sobrevivam ou não esses números exatos ao escrutínio, o enquadramento te diz para onde o campo está indo: a próxima geração de agentes de coding não será julgada pela geração de código de um único tiro, mas pela colaboração de longa duração, planejamento, e capacidade de atravessar platôs sem desistir.
Onde o ceticismo faz sentido
Não vou te entregar um comunicado de imprensa disfarçado de análise. Algumas coisas para ter em mente antes de reorganizar sua stack em torno disso:
Esses são os benchmarks da própria MiniMax. Cada número acima vem do material de lançamento da empresa. Os números de SWE-Bench Pro em particular têm o costume de parecerem diferentes uma vez que labs independentes executam seus próprios harnesses.
Os pesos ainda não saíram. “Open-weight” é toda a proposta — mas no momento do lançamento, a MiniMax apenas prometeu os pesos e um relatório técnico no Hugging Face e GitHub dentro de aproximadamente dez dias. Até que apareçam e alguém fora da MiniMax possa executar o modelo, a afirmação open-weight é um compromisso, não um fato sobre o qual você possa construir.
A fronteira já se moveu. O enquadramento de “apenas atrás de Opus 4.7” era verdadeiro em 1º de junho. A Anthropic desde então lançou Opus 4.8. Comparar um modelo recém-lançado com a fronteira do mês passado é prática padrão de marketing, e convém ajustar o ranking mentalmente em consequência.
E sim — M3 vem de um lab chinês, o que para alguns times arrasta implicações de governança de dados e compras que vale a pena pensar antes de adotá-lo. Menciono porque é um fator real em decisões enterprise, não porque mude o panorama técnico.
Minha leitura
Tire o ruído do dia do lançamento e restam duas coisas em pé. Primeiro: se os pesos open saem como prometido e os benchmarks sobrevivem à replicação independente, M3 é a primeira vez que o mundo open-weight reivindica de forma credível as três capacidades frontier ao mesmo tempo — e isso é uma mudança estrutural, não incremental. Segundo: MSA é a parte que eu estaria realmente observando. O contexto longo barato muda o que você consegue construir; uma posição de benchmark que é verdadeira esta semana, não.
Por enquanto, a posição honesta é: promissor o suficiente para testar, muito cedo para apostar. Coloque em uma sandbox quando os pesos saírem, execute em suas próprias cargas de trabalho com seu próprio harness, e decida a partir daí. Isso sim — não deixe que a manchete de 59% pense por você.